一种计及禀赋效应的微电网经济优化运行方法

本发明涉及微电网经济优化运行领域，具体涉及一种计及禀赋效应的微电网经济优化运行方法。

背景技术：

1、微电网作为新兴的能源模式，能够高效利用分布式电源，提高系统的电能自给自足率，降低购电比例，因此受到广泛关注。随着可再生能源在整体能源构成中所占比例的持续增长，其固有的不确定性及产能波动性为微电网系统的稳定运行和经济效益带来了挑战。需求响应策略是提升微电网新能源消纳能力的一项关键措施。

2、现有技术中：文献[1]:《需求响应对配电网供电可靠性影响分析》(赵洪山,赵航宇,侯杰群等.需求响应对配电网供电可靠性影响分析[j].电力自动化设备,2017,37(01):8-14.)基于电量电价弹性矩阵评估负荷的变化，并构建以峰谷负荷差值为目标的模型来优化分时电价，以探究需求响应对配电网供电可靠性的影响机理。但是，经济运行目标函数不仅要考虑微电网，更要考虑用户。

3、文献[2]:《incentive-based demand response model for maximizingbenefits of electricity retailers》(chai y,xiang y,liu j,et al.incentive-baseddemand response model for maximizing benefits of electricity retailers[j].journal of modern power systems and clean energy,2019,7(06):1644-1650.)构建了一种基于激励的需求响应模型，通过触发激励价格引导消费者行为的变化，以此提高收益。但是，上述研究均在假定用户为完全理性人的前提下对用户行为建模。这种对用户行为复杂性和多样性的忽视，会导致需求响应策略在实际应用中的效果与预期之间出现一定程度的偏差。

4、文献[3]:《考虑用户满意度的户用型微电网日前优化调度》(唐巍,高峰.考虑用户满意度的户用型微电网日前优化调度[j].高电压技术,2017,43(01):140-148.)以用户满意度最大为目标建立了日前优化调度模型，该模型能根据不同的用电需求提供相应的优化调度方案。但该研究未深入考虑行为经济学对用户参与需求响应积极性的影响，存在改进空间。

技术实现思路

1、为解决上述技术问题，本发明提供一种计及禀赋效应的微电网经济优化运行方法，首先，建立以系统运行成本最低为优化目标的经济运行模型；其次，考虑优化当前需求响应模型的性能并提升其预测精度，通过深入分析用户在参与需求响应过程中的心理因素，构建一个基于禀赋效应的需求响应模型，该模型强调在制定微电网运行策略时，考虑用户满意度及运行成本的重要性。最后，采用基于参数约束的pareto优化方法求解模型。本发明方法建立的基于禀赋效应的需求响应模型削峰填谷、提高经济效益等多方面相较于传统需求响应模型存在优势。

2、本发明采取的技术方案为：

3、一种计及禀赋效应的微电网经济优化运行方法，包括以下步骤：

4、步骤1：建立以系统运行成本最低为优化目标的微电网经济运行模型；

5、步骤2：考虑用户在作为非完全理性人时的决策影响，基于心理因素的影响优化需求响应模型，构建基于禀赋效应的需求响应模型；

6、步骤3：采用基于参数约束的pareto优化方法，求解微电网经济优化运行模型。

7、所述步骤1中，微电网由风力发电设备、光伏发电设备、储能设备、燃气轮机和用户等组成。其中，控制中心承担着管理分布式能源出力、购售电等职责，通常通过调度及需求响应来实现削峰填谷和经济运行的目标。

8、所述步骤1中，微电网经济运行模型包括：

9、(1)微电网经济运行目标函数：

10、微电网系统由分布式电源、储能以及用户组成。在日前调度中，将其运行周期分为24个时段。在24h的调度周期内，微电网根据分布式电源的出力情况和负载的预测值对用户的可变负荷和储能系统进行管理；

11、微电网经济运行目标为系统运行成本最低，其目标函数fg为：

12、fg＝com+cd+cbuy+cuse+cgt+cchar+u(△p)；

13、式中：com为微网系统运行维护成本；cd为需求响应成本；cbuy为微网系统从大电网购电成本；cuse为微网用户购电成本；cgt为燃气轮机发电成本；cchar为储能设备运行维护成本；u(△p)为需求响应效用函数，其中，△p表示需求响应总量；

14、

15、式中：为发电设备n的出力量，n∈{pv，wt，gt}；kom,n为发电设备n的运行维护系数；n表示由n台设备，23表示一天24小时划分为从0到23共24等份。

16、

17、式中：△pf、△pp、△pg分别为用户在峰、平、谷时段的需求响应量；μf、μp、μg分别为峰、平、谷时段的激励系数；

18、

19、式中：为微网系统从大电网购电量；为大电网售电电价；

20、

21、式中：pt为用户的用电量；为微网面向用户的分时电价；m表示不同的微电网用户，m表示总的微电网用户数量。

22、

23、式中：为燃气轮机的发电量；kgt、kco2分别为燃气轮机燃料成本系数及co2治理成本系数；

24、

25、式中：分别为储能设备的放电、充电量；kchar为储能设备的维护成本。

26、(2)微电网经济运行约束：

27、为确保系统在实际运行中的稳定性与安全性，需要考虑设备运行功率上下限、功率平衡、电网交互限制等约束条件。

28、1)功率平衡约束：

29、每一时刻发出的功率与用户负荷以及储能设备吸收的功率相等；

30、

31、式中，表示风机出力功率；表示光伏出力功率；表示储能设备放电功率；表示储能设备充电功率。

32、2)设备运行功率约束：

33、运行中的设备应根据其自身的运行特性，满足功率的上、下限约束；

34、

35、式中，pwt,max为风机最大输出功率；ppv,max为光伏最大输出功率；pbuy,max为最大交互功率；pchar,max为储能设备最大充电功率；pdischar,max为储能设备最大放电功率；pgt,max、pgt,min分别为燃气轮机出力上、下限。

36、下式表示同一储能设备同一时刻充电和放电不能同时发生：

37、ptm,char*ptm,dischar＝0

38、3)需求响应约束：

39、激励型需求响应是指微网系统与用户签订合同，使用户在系统有削峰需求时切断部分负荷，并给予用户一定的补偿；激励型需求响应的约束为：

40、0≤cd≤cd,max

41、式中，cd,max表示需求响应激励的最大值。

42、所述步骤2中，基于禀赋效应的需求响应模型，包括：

43、(1)禀赋效应：

44、在新能源时代，电力系统的复杂性日益增加，需要更深层次的分析来解决相关问题。禀赋效应的引入为需求响应模型提供了一种独特的视角，使其能够更全面地捕捉用户对于能源资源的非理性评价和决策。禀赋效应可以通过一个效用函数来表达，如下式所示：

45、u(△p)＝α△p-β(△p)2

46、式中，△p表示电量消耗变化量，即当前消耗与基线消耗的差值；u(△p)表示电量消耗变化量引起的效用变化；α、β为禀赋效应相关参数，反映了线性增益和二次损失的相对重要性，体现了禀赋效应的程度；α△p代表电量消费增加或减少带来的直接效用变化；β(△p)2代表因消费变化(无论增加或减少)带来的心理损失，反映了人们对于消费变化的抗拒。

47、(2)用户需求响应模型：

48、为描述电价变化对用户用电量产生的影响，引入价格弹性系数来对用户需求响应行为进行建模。价格弹性系数是用来衡量需求量变化与价格变化比值的一个关系量，包括自弹性系数和互弹性系数两种。自弹性系数是指负荷仅在某一时段对电价进行响应，相应增加或削减自身用电量，不可以转移到其他时段，其值为负。互弹性系数是指用户可以根据需要将负荷从用电高峰期转移到用电低谷期，其值为正。自弹性系数和互弹性系数的表达式分别如下式所示：

49、

50、式中，εii表示自弹性系数；εij表示互弹性系数；p0为调度前的原始用电量；l0为调度前的原始电价；△pi为时段i内的用电变化量；△li、△lj分别为时段i和时段j的电价变化量。

51、用户的用电行为不仅会受到当前时段电价的影响，还将受到转移到新时段的电价影响，根据自弹性系数和互弹性系数计算公式，得到各个时段的弹性系数如下式所示：

52、

53、式中，εff、εfp、εfg分别表示用电设备从峰时段平移到峰时段、从峰时段平移到平时段及从峰时段平移到谷时段时的弹性系数；εpf、εpp、εpg分别表示用电设备从平时段平移到峰时段、从平时段平移到平时段及从平时段平移到谷时段时的弹性系数；εgf、εfp、εgg分别表示用电设备从谷时段平移到峰时段、从谷时段平移到平时段及从谷时段平移到谷时段时的弹性系数；△pf、△pp、△pg分别表示峰、平、谷时段在需求响应前后的用电变化量；△lf、△lp、△lg分别表示峰、平、谷时段在需求响应前后的电价变化量；lf、lp、lg分别表示峰、平、谷时段在需求响应前的电价；pf、pp、pg分别表示峰、平、谷时段在需求响应前的用电量。

54、用户在接收到电价信息后进行需求响应，改变用电行为，各个时段的用电量可表示如下：

55、pfa＝pf+△pf

56、ppa＝pp+△pp

57、pga＝pg+△pg

58、式中，pfa、ppa、pga分别为峰、平、谷时段需求响应后的用电量。

59、由于禀赋效应的影响，用户在参与需求响应时不是完全理性人，即用户同时考虑经济因素和心理因素来进行用电行为的改变。故不同时段用户的需求响应量将有不同程度的减少，具体表达式为：

60、

61、式中，分别为负荷分别在峰、平、谷时t时段的需求响应量；θ(t)为禀赋因子；△pf,max、△pp,max、△pg,max分别表示负荷可响应的最大值。

62、在分时电价体系下，用户将根据电价的变化来调整自己的用电行为，以降低用电成本。故用户用电量与电价之间将遵循一定的函数关系，用电量会随着电价的升高而减少。根据行为经济学，用户认为自己有权决定自己的日常用能计划，用户将自己的电能使用权视为一种禀赋。

63、所述步骤3中，本发明构建的微电网经济运行模型包含微网系统的目标函数及用户的目标函数，是一个双目标优化任务。为了通过传统求解器获得最优解，采用ε-约束方法的pareto优化技术把双目标优化转换为单目标优化。其核心思想是选择一个目标作为主要的优化目标，而将其他目标转化为约束条件。通过调整这些约束条件的限制水平，能够在pareto前沿上搜索不同的解；

64、本发明将微网系统的目标函数fg作为需要优化的单目标，将用户目标函数限定为εfu，如下式所示：

65、fu＝ω1α+ω2β≤εfu

66、式中：ω1、ω2表示两个目标函数所占权重，ε将用户目标函数转化为约束条件；fu为将用户目标函数。

67、微网系统及用户的目标函数分别作为目标函数和约束条件可以不受限制地在其可行域内变化，不同情况下得到的最优解是相同的。在将双目标优化问题转化为优化后的单目标问题过程中，约束条件保持不变，确保了问题的转换不会影响解的可行性与优化目标的实现。

68、初始ε取值不同，优化后得到的fg值与fu值也不同。本发明将ε取值本身作为一个优化问题来处理，采用粒子群算法解决因初始ε值设定不同而导致的优化结果差异问题，进而获得一个全面且均衡考虑所有目标的优化解集合。

69、步骤3包括以下步骤：

70、步骤3.1、初始化：首先在解空间随机生成一组粒子，每个粒子代表一个潜在的解，具有随机的位置和速度。然后设置粒子群优化算法的参数，包括粒子的数量、最大迭代次数、学习因子以及速度的限制范围等。

71、步骤3.2、评估粒子适应度。根据目标函数fg计算每个粒子的适应度。

72、步骤3.3、更新最优解。根据适应度评价结果，更新每个粒子的个体最优解和群体的全局最优解，再基于个体和全局最优解更新粒子的位置，即限定值。

73、步骤3.4、检查终止条件。当迭代次数达到上限时，终止迭代；否则，重复步骤3.2-步骤3.3。

74、步骤3.5、基于最终的全局最优解，确定最优的初始ε值设定。

75、确定最优的ε取值后，可以得到一系列的解，这些解分布在pareto前沿上。接着，采用模糊决策方法确定优化的最优解。具体步骤如下：

76、step1:隶属函数的计算:

77、由下式中给出的线性隶属函数来计算目标函数的隶属函数；

78、

79、q∈x＝{1,2,...,nq}

80、式中，i表示第i个目标函数，分别为fg和fu；jimax、jimin分别为目标函数的最大值和最小值；参数q为帕累托前沿成员的索引；x为帕累托前沿集合；nq为帕累托前沿成员的个数；每个成员取不同的ε值；表示帕累托前沿个体成员m的线性隶属函数；ji,m表示帕累托前沿个体成员m的隶属函数；ji,q表示帕累托前沿成员的隶属函数；表示目标函数的个数之和；g表示微电网经济运行的目标函数；u表示用户目标函数；{1,2,...,nq}是帕累托前沿成员的集合。

81、step2:确定最小隶属函数：

82、通过下式搜寻到帕累托前沿个体成员m的最小隶属函数

83、

84、式中，表示帕累托前沿成员的最小隶属数；表示微电网经济运行帕累托前沿成员线性隶属函数；表示用户目标函数帕累托前沿成员线性隶属函数；表示所有的帕累托前沿成员；

85、step3:确定最优折衷方案：

86、求的最大值，即给出了集合x中最佳折衷方案的位置；

87、分别表示每一个成员的最小隶属数。

88、在上述提到的位置上，函数和变量的值将代表所寻求问题的最优值。

89、本发明一种计及禀赋效应的微电网经济优化运行方法，技术效果如下：

90、1)本发明的步骤1建立了以风力发电设备、光伏发电设备、储能设备、燃气轮机和用户组成的微电网经济运行系统，并提出了以经济运行成本最低为目标的目标函数，并考虑在日前调度中，将微电网运行周期分为24个时段。在24h的调度周期内，微电网根据分布式电源的出力情况和负载的预测值对用户的可变负荷和储能系统进行管理；并考虑了设备运行功率上下限、功率平衡、电网交互限制等约束条件。

91、2)本发明的步骤2考虑用户在作为非完全理性人时的决策影响，基于心理因素的影响优化需求响应模型，构建基于禀赋效应的需求响应模型，使需求响应能够更全面地捕捉用户对于能源资源的非理性评价和决策

92、3)本发明的步骤3使用ε-约束方法的pareto优化技术把双目标优化转换为单目标优化，用以求解经济运行模型，将微网系统的目标函数作为主函数，将用户目标函数转化为约束条件，确保了优化目标的实现；并将ε取值本身作为一个优化问题来处理，采用粒子群算法解决因初始ε值设定不同而导致的优化结果差异问题，进而获得一个全面且均衡考虑所有目标的优化解集合。