[發明專利]一種需求響應資源組合優化的分層分布式體系架構和方法

有效

• 申請號: 201710123249.5
• 申請日: 2017-03-03
• 公開（公告）號: CN106886603B
• 公開（公告）日: 2020-07-14
• 發明（設計）人: 劉越;王磊
• 申請（專利權）人: 東南大學
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06F30/20
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 柏尚春

1.一種需求響應資源組合優化的分層分布式系統的分層分布式方法，其特征在于，系統包括負荷聚合商，負荷代理和需求響應資源；其中，負荷代理是一組需求響應資源的等值，其獲取需求響應資源的相關信息，并將負荷聚合商下達的控制信息傳遞給需求響應資源；各負荷代理之間通過通信網絡交互負荷聚合商公布的信息和其他負荷代理的信息；包括以下步驟：

(1)對需求相應資源進行分層聚合，形成一種分層分布式的體系架構，該體系架構的最上層為負荷聚合商，中間層為負荷代理，最下層為需求響應資源，所述負荷聚合商通過負荷代理管理需求響應資源；包括以下步驟：

(11)將需求響應資源進行分組，形成等值需求響應資源

首先需要將數量眾多的需求響應資源進行分組，形成等值需求響應資源；所有的負荷代理管理負荷聚合商的所有需求響應資源；獲得內部需求響應資源的相關信息，并將負荷聚合商的控制指令下達到需求響應資源；各負荷代理之間通過通信網絡交互負荷聚合商公布的信息和其他負荷代理的信息；

(12)對負荷代理建模

需求響應資源分組后得到負荷代理，需求響應資源的綜合外特性包括出力特性和時間相關特性，負荷代理的綜合外特性與所述需求響應資源的綜合外特性相同；其中，負荷代理模型為：

(Ⅰ)出力范圍

負荷代理的等值出力描述為在調度時段上具有持續出力的能力；不同的調度時段對應的負荷代理最大等值出力不同，需求響應資源的分組不同對應的負荷代理最大等值出力也不同；負荷代理的最大等值出力由如下需求響應資源的評估模型求得：

(i)目標函數

以調度時段內最大化各時段的負荷調整量和各時段負荷調整量偏差最小為目標；

式中，T為調度時段數，t為調度時段；為負荷代理i中的需求響應資源數目；為需求響應資源j調度時段t的負荷調整量，為需求響應資源j調度時段t-1的負荷調整量；w₁、w₂為權重系數，均為非負數，且w₁+w₂＝1；

(ii)約束條件

(a)功率調整范圍約束

式中，P_jmin、P_jmax分別為需求響應資源j的負荷調整量的最小值、最大值；x^t_j為需求響應資源j調度時段t的調用狀態，為1時表示調用，為0時表示不調用；

需求響應資源的調節能力并不是和傳統發電機組那樣看成具有連續的調節的能力，具有的調節能力是離散化的，負荷調整量的取值為離散的，表示如下：

式中，為非負的整數變量；為需求響應資源j的離散的單位調整值；

(b)需求響應資源j的爬坡約束

式中，DR_j、UR_j分別為需求響應資源j的負荷調整量的最小值下降率、上升率；

(c)最小削減時間約束

式中，TD_jmin為需求響應資源j的最小削減時間；為需求響應資源j調度時段t-1的累計削減時間；為需求響應資源j調度時段t的調用狀態，為1時表示調用，為0時表示不調用；為需求響應資源j調度時段t-1的調用狀態，為1時表示調用，為0時表示不調用；

(d)最大削減時間約束

式中，T為調度時段數；T_jmax為需求響應資源j的最大削減時間的時段數；

(e)最小削減間隔時間約束

式中，TU_jmin為需求響應資源j的最小削減間隔時間；需求響應資源j調度時段t-1的累計不削減時間；

(f)最大削減次數約束

式中，N_jmax為需求響應資源j的最大削減次數，T為調度時段數；

以優化獲得的各時段的負荷調整量的最小值△P_imax作為負荷代理i的負荷調整量的最大負荷調整量；其中，

由于負荷代理的需求響應資源不進行需求響應，所以負荷代理的最小負荷調整量為0；

(Ⅱ)爬坡約束

通過評估最大出力的模型確定了負荷代理內部需求響應資源各時段的參與狀態對應的每一時段爬坡能力的最小值，然后根據具體的場景乘以一個經驗系數得到負荷代理的爬坡參數；負荷代理的爬坡約束表示為：

式中，i為負荷代理，j為需求響應資源，為需求響應資源j調用時段t的調用狀態；△P_i^t為負荷代理i調度時段t的負荷調整量，△P_i^t-1為負荷代理i調度時段t-1的負荷調整量；N_i為負荷代理i中需求響應資源的數目；DR_j、UR_j分別為需求響應資源j的負荷調整量的最小值下降率、上升率；DR_i、UR_i分別為負荷代理i的等值爬坡參數，對應負荷調整量的最小值下降率、上升率；k_i為某一場景下的經驗系數，由負荷聚合商長期運行經驗得到，取值為0～1；

(Ⅲ)時間相關約束

由于負荷代理內部有很多需求響應資源，等值后看成能夠在調度時段內均能參與調度，即負荷代理參與調度需求的全時段，因此，負荷代理的時間相關特性被松弛掉；

(Ⅳ)負荷代理的成本特性

得到負荷代理的最大負荷調整量△P_imax后，將0～△P_imax等分為K段，得到K+1個負荷調整量的分點0、△P_imax/K、2△P_imax/K、...、(K-1)△P_imax/K、△P_imax；每個負荷調整量對應的成本特性用如下模型求解：

(i)目標函數

以負荷代理i達到某一負荷調整量k△P_imax/K(k＝0,1,2,...,K)的成本最小化為目標，將這個最小化的成本和該負荷調整量k△P_imax/K作為第k組成本的輸入輸出數據；

式中，T為調度時段數；為負荷代理i中的需求響應資源數目；為需求響應資源j調度時段t的負荷調整量，為需求響應資源j調度時段t-1的負荷調整量；C_j為合同中規定的需求響應資源j的單位補償價格；γ為權重系數；

(ii)約束條件

(a)功率平衡約束

△P_imax為負荷代理的最大負荷調整量；

(b)功率調整范圍約束

式中，P_jmin、P_jmax分別為需求響應資源j的負荷調整量的最小值、最大值；為需求響應資源j調度時段t的調用狀態，為1時表示調用，為0時表示不調用；

需求響應資源的調節能力并不是和傳統發電機組那樣具有連續的調節的能力，具有的調節能力是離散化的，負荷調整量的取值為離散的，表示如下：

式中，為非負的整數變量；為需求響應資源j的離散的單位調整值；

(c)需求響應資源j的爬坡約束

式中，DR_j、UR_j分別為需求響應資源j的負荷調整量的最小值下降率、上升率；

(d)最小削減時間約束

式中，TD_jmin為需求響應資源j的最小削減時間；為需求響應資源j調度時段t-1的累計削減時間；為需求響應資源j調度時段t的調用狀態，為1時表示調用，為0時表示不調用；為需求響應資源j調度時段t-1的調用狀態，為1時表示調用，為0時表示不調用；

(e)最大削減時間約束

式中，T為調度時段數；T_jmax為需求響應資源j的最大削減時間的時段數；

(f)最小削減間隔時間約束

式中，TU_jmin為需求響應資源j的最小削減間隔時間；為需求響應資源j調度時段t-1的累計不削減時間；

(g)最大削減次數約束

式中，N_jmax為需求響應資源j的最大削減次數，T為調度時段數；

將負荷代理的成本特性用關于負荷調整量的二次函數表示如下：

f_agenti(△P_i^t)＝a_agenti(△P_i^t)²+b_agenti△P_i^t+c_agenti

式中，△P_i^t為負荷代理i調度時段t的負荷調整量，a_agenti、b_agenti、c_agenti分別為負荷代理i待定的成本特性系數；上述負荷代理i待定的成本特性系數利用最小二乘法獲得；通過對負荷代理i內部需求響應資源組合優化獲得的K組成本輸入輸出數據(△P_i^k)進行計算；令：

欲使得J取得最小值，對a_agenti、b_agenti、c_agenti分別求偏導數并令其等于0得：

化簡為：

解上述方程求得a_agenti、b_agenti、c_agenti的值，因而得到負荷代理i的成本特性；

(2)負荷代理負荷調整量分配的分布式計算。

2.根據權利要求1所述的一種需求響應資源組合優化的分層分布式系統的分層分布式方法，其特征在于，所述步驟(2)包括以下步驟：

(21)構建負荷代理負荷調整量分配的集中優化模型

(ⅰ)目標函數

某負荷聚合商獲得調度時段t的功率缺額為該負荷聚合商包含n個負荷代理，負荷代理i調度時段t的功率為△P_i^t(i＝1,2,...,n)，目標函數為最小化各負荷代理的調用成本；

式中，f_agenti(△P_i^t)為負荷代理i的成本特性函數；

(ⅱ)約束條件

(a)功率平衡約束

(b)功率調整范圍約束

△P_imin≤△P_i^t≤△P_imax

式中，△P_imin、△P_imax分別為負荷代理i的負荷調整量的最小值、最大值；

(c)爬坡約束

-DR_i≤△P_i^t-△P_i^t-1≤UR_i

式中，DR_i、UR_i分別為負荷代理i的等值爬坡參數；

(22)負荷代理負荷調整量分配問題的算法

根據DWD理論，將爬坡約束松弛，可得T個并行的子問題：

minL(△P^t,λ)+αH^t△P^t

s.t.△P_imin≤△P_i^t≤△P_imax

式中，t＝1,2,...,T；λ為功率平衡約束的拉格朗日乘子；α為矩陣形式的爬坡約束H^t△P^t對應的拉格朗日乘子的行向量，從問題的決策變量為各負荷代理時段t的負荷調整量的列向量△P^t；

上述從問題中T個時段的從問題決策變量△P^t對應的解集為Ω^t，解集Ω^t中確定的負荷代理負荷調整量可表示為其中，為解集Ω^t中的第m個元素，為對應的權重，且滿足結合從問題的解，可將主問題表示如下：

式中，主問題的決策變量為為爬坡約束的矩陣形式，H^t為負荷代理爬坡約束的系數矩陣；R為各負荷代理爬坡約束的上升和下降速率組成的列向量；

以上列出了包含主從問題的優化模型，主從問題需要協調制約才能通過交替迭代達到最終的整體優化；

上述算法的主問題是線性規劃，從問題中的子問題是二次規劃，使用一致性算法求解；主-從一致性算法如下：

式中，d_ij為負荷代理之間通信網絡對應的行隨機矩陣D的元素；P_D為負荷聚合商某時段的功率缺額；α_i^t為負荷代理i不滿足爬坡約束對應時段的松弛系數，T_p為負荷代理i不滿足爬坡約束對應時段所屬的集合；

多時段基于Dantzig-Wolfe分解理論的主從問題計算，具體流程如下：

(a)初始化，從問題中α初始值置零；

(b)求解從問題的各個子問題，將各個時段對應子問題的解作為解集Ω^t內的新增元素；

(c)求解主問題，若有可行解轉(d)；若無可行解，利用次梯度法修正α，轉(b)；

(d)根據主問題求得β，利用這個權重β得到一組改進的解并且根據這組改進的解利用次梯度法得到更新的α，然后更新從問題中各子問題的目標函數，并對其分別進行求解，并判斷是否滿足收斂條件，若滿足，計算結束，輸出這組解；若不滿足，轉(e)；

(e)根據從問題的解，將不滿足收斂條件的解作為解集Ω^t中的新增元素，對主問題進行求解，轉(d)；

所述主問題有了可行解后，主從問題自動交替進行，直到最后得到收斂的解；若主問題沒有得到可行，需要修正α使得主問題得到可行解。