[發明專利]一種基于兩層規劃模型的多形態廣域需求側負荷響應方法

有效

• 申請號: 201810040191.2
• 申請日: 2018-01-16
• 公開（公告）號: CN108448645B
• 公開（公告）日: 2023-03-21
• 發明（設計）人: 曾文偉;劉文穎;王維洲;朱丹丹;劉福潮;夏鵬;梁琛;王方雨;拜潤卿;張雨薇;鄭晶晶;冉忠;郭虎;華夏;呂良;藥煒;韓永軍;史玉杰;王賢;智勇;姚春曉;彭晶;聶雅楠;張堯翔;許春蕾;李宛齊;榮俊杰;祿啟龍
• 申請（專利權）人: 華北電力大學;國網甘肅省電力公司電力科學研究院;國網甘肅省電力公司;國網山西省電力公司太原供電公司;國家電網公司
• 主分類號: H02J3/46
• 分類號: H02J3/46
• 代理公司: 北京輕創知識產權代理有限公司 11212
• 代理人: 談杰

1.一種基于兩層規劃模型的多形態廣域需求側負荷響應方法，其特征在于,包括以下步驟：

S1：獲取區域電網內高載能負荷、電動汽車負荷、蓄熱電鍋爐負荷的調節特性參數和調節成本參數；

S2：以獲得最大的負荷調節電量為目標構建上層規劃模型；

S3：以電網交易中心支付負荷的補償成本最小為目標構建下層規劃模型；

S4：利用遺傳算法求解基于兩層規劃模型的多形態廣域需求側負荷響應方法；

所述S2包括以下步驟：構建以獲得最大的負荷調節電量為目標的上層規劃模型；其模型為：

式(1)中，W為高載能負荷、電動汽車負荷、蓄熱電鍋爐負荷可以提供的最大調節電量；N為負荷的個數；W_kI為負荷k提供的最大中斷負荷調節電量，W_kC為負荷k提供的最大連續調節負荷調節電量，W_kS為負荷k提供的最大轉移負荷調節電量，W_kChg為負荷k提供的最大電動汽車負荷調節電量，W_kB為負荷k提供的最大蓄熱電鍋爐負荷調節電量；P_kI、P_kC、P_kS、P_kChg和P_kB分別為負荷k調整單位負荷時，電網調度中心向負荷支付的中斷、連續調節、轉移、電動汽車和蓄熱電鍋爐補償價格；P_GI、P_GC、P_GS、P_GChg和P_GB分別為常規電源提供單位調整容量的補償價格；μ為新能源消納補貼因子，這是因為采用高載能負荷、電動汽車負荷、蓄熱電鍋爐負荷調節能夠促進電網對新能源的消納能力。

2.根據權利要求1所述的基于兩層規劃模型的多形態廣域需求側負荷響應方法，其特征在于,所述S3包括以下步驟：構建以電網交易中心支付負荷的補償成本最小為目標的下層規劃模型；其模型為：

式(2)中，I為在負荷k調節過程中，負荷從電網調度中心獲得的補償效益；C為負荷k在調節過程中的負荷損失、運行維護和設備改造成本；J為負荷k通過提供調節電量獲得的響應效益；C_kI為負荷k的中斷負荷成本，它與負荷中斷電量成二次相關，θ_kI、η_kI為負荷k的中斷成本參數；C_kC為負荷k的連續調節負荷成本，它是負荷連續調節電量的二次函數，α_kC、β_kC、γ_kC為負荷k的連續調節成本參數；C_kS為負荷k的轉移負荷成本，C_kS0為負荷k的轉移成本參數；C_kChg為負荷k的電動汽車負荷成本，C_kChg0為負荷k的電動汽車成本參數；C_kB為負荷k的蓄熱電鍋爐負荷成本，ω_kB0、ζ_kB0為負荷k的蓄熱電鍋爐成本參數；Δt為調度時段間隔；N_kI、N_kC、N_kS、N_kChg、N_kB分別為負荷k所包含的中斷負荷、連續調節負荷、轉移負荷、電動汽車負荷、蓄熱電鍋爐負荷數量；為負荷k第l個中斷負荷在時段h提供的調節容量，為負荷k第m個連續調節負荷在時段h提供的調節容量，為負荷k第n個轉移負荷在時段h提供的調節容量，為負荷k第i個電動汽車負荷在時段h提供的調節容量，為負荷k第j個蓄熱電鍋爐負荷在時段h提供的調節容量；ΔL_kIl,min和ΔL_kIl,max分別為負荷k中的第l個中斷負荷提供的調節容量上下限，ΔL_kCm,min和ΔL_kCm,max分別為負荷k中的第m個連續調節負荷提供的調節容量上下限，ΔL_kSn,min和ΔL_kSn,max分別為負荷k中的第n個轉移負荷提供的調節容量上下限，ΔL_kChgi,min和ΔL_kChgi,max分別為負荷k中的第i個電動汽車負荷提供的調節容量上下限，ΔL_kBj,min和ΔL_kBj,max分別為負荷k中的第j個蓄熱電鍋爐負荷提供的調節容量上下限。

3.對權利要求1所述的基于兩層規劃模型的多形態廣域需求側負荷響應方法，其特征在于,所述S4包括以下步驟：

S401:上下層規劃模型采用相同的種群規模M,交叉概率P_c，變異概率P_n和迭代次數λ；

S402:針對電網交易中心向負荷支付的補償價格的范圍，產生若干隨機補償價格作為初始染色體并將每個染色體作為下層的初始數據，其格式為

式中，的具體格式為

的具體結構與的類似；

S403:針對負荷調節容量的范圍，產生若干隨機負荷調節容量作為初始染色體其格式為

式中，h＝1,2,...N，的具體格式為

S404:對第k代每個染色體x_i^(k)(i＝1,2,...,M；k＝0,1,...,λ)，利用遺傳算法求出下層規劃模型的最優解J_i^(k)，然后反饋給上層規劃模型，并保存最好的W_i^(k)；

S405:將上層規劃模型的染色體按適應度大小進行排序，將最好的上層函數值位于最前面，并計算所有染色體的評價函數值eval(x_i^(k))，其表達式如下：

eval(x_i^(k))＝a(1-a)^i-1,i＝1,2,...,M (7)

S406：通過旋轉賭輪M次對從原上層規劃模型中的染色體進行選擇，得到新的染色體x₁^(k)′，x₂^(k)′，x₃^(k)′…x_M^(k)′，其選擇過程如下所示；

步驟1：對每個染色體，計算累計概率

步驟2：從區間(0,q_M]中產生一個隨機數r；

步驟3：若q_i-1＜r≤q_i，則選擇第i個染色體x_i^(k)，其中1≤i≤M；

步驟4：重復上述步驟2、3共M次，這樣可以得到M個復制的染色體；

S407：從[0,1]中產生隨機數r_i，如果r_i＜P_c，則選擇x_i^(k)′作為一個父代；用x₁^(k)″，x₂^(k)″，x₃^(k)″…表示上面選擇的父代，并把它們隨機地分成下面的對

(x₁^(k)″,x₂^(k)″)，(x₃^(k)″,x₄^(k)″)，…

以(x₁^(k)″,x₂^(k)″)為例進行交叉，取隨機數c∈(0,1)，在x₁^(k)″，x₂^(k)″之間進行交叉操作，并產生兩個后代x₁^(k)″′，x₂^(k)″′，其表達式如下所示；

檢驗新生成的一代是否可行，如果不可行，重新生成隨機數c，生成可行的后代；

S408：從[0,1]中產生隨機數r_i，如果r_i＜P_c，則選擇x_i^(k)″′作為一個父代，用x₁^(k+1)，x₂^(k+1)，x₃^(k+1)…表示上面選擇的父代；在Rⁿ中，隨機選擇一個方向d(||d||＝1)；如果x_i^(k+1)+Ld不滿足上層約束，那么置L為0和L之間的一個隨機數，直到其可行為止；如果在給定的迭代次數內沒有找到可行解，置L＝0即可；無論L為何值，均可將x_i^(k+1)+Ld代替x_i^(k+1)；其中，L是一個足夠大的正數，

S409：檢驗是否達到迭代次數，否則，轉S404；

S4010：結果提交給電網調度中心，如果滿意，輸出結果；否則，提高新能源消納補貼因子μ，轉到S402。