[發(fā)明專(zhuān)利]一種實(shí)時(shí)需求響應(yīng)方法和裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 202011036049.4
• 申請(qǐng)日: 2020-09-27
• 公開(kāi)（公告）號(hào): CN112132350B
• 公開(kāi)（公告）日: 2022-05-10
• 發(fā)明（設(shè)計(jì)）人: 周娟;賴偉堅(jiān);尹健鋒;楊德玲;李敬航;張?chǎng)?/a>;李敬光;陳威洪;林澤宏;張世斌
• 申請(qǐng)（專(zhuān)利權(quán)）人: 廣東電網(wǎng)有限責(zé)任公司;廣東電網(wǎng)有限責(zé)任公司東莞供電局
• 主分類(lèi)號(hào): G06Q10/04
• 分類(lèi)號(hào): G06Q10/04;G06Q10/06;G06Q50/06
• 代理公司: 北京品源專(zhuān)利代理有限公司 11332
• 代理人: 孟金喆

1.一種實(shí)時(shí)需求響應(yīng)方法，其特征在于，包括：

基于Copula函數(shù)對(duì)柔性負(fù)荷的隨機(jī)變量進(jìn)行概率分布建模，得到柔性負(fù)荷模型，其中，每個(gè)所述柔性負(fù)荷的隨機(jī)變量的數(shù)量至少為1；

利用所述柔性負(fù)荷模型進(jìn)行蒙特卡洛模擬，生成用于實(shí)施需求響應(yīng)調(diào)度的柔性負(fù)荷場(chǎng)景；

根據(jù)所述柔性負(fù)荷場(chǎng)景，利用Stackelberg博弈建立電力系統(tǒng)的當(dāng)前與未來(lái)兩階段的實(shí)時(shí)需求響應(yīng)模型；

利用強(qiáng)化學(xué)習(xí)算法建立所述實(shí)時(shí)需求響應(yīng)模型的求解策略；

根據(jù)所述實(shí)時(shí)需求響應(yīng)模型，所述電力系統(tǒng)的總效益E為：

其中，Ω_d為負(fù)荷的集合，Ω_s為發(fā)電機(jī)的集合；

為用戶效用函數(shù)，表示當(dāng)前第一階段，即調(diào)度時(shí)刻T₀的用戶效用函數(shù)，表示未來(lái)第二階段，即調(diào)度時(shí)刻T₀+1的用戶效用函數(shù)，其中，α_j、ω_j為第j個(gè)柔性負(fù)荷的效用參數(shù)，P_Dj為第j個(gè)柔性負(fù)荷的有功需求，P_Dj,T0為T(mén)₀時(shí)刻第j個(gè)柔性負(fù)荷的有功需求，P_Dj,T為T(mén)時(shí)刻第j個(gè)柔性負(fù)荷的有功需求，NS為所述柔性負(fù)荷場(chǎng)景的總場(chǎng)景數(shù)，P_S為場(chǎng)景S的概率，且T_N為調(diào)度計(jì)劃總時(shí)段；

f_i^s為發(fā)電成本函數(shù)，a_i、b_i、c_i為第i臺(tái)發(fā)電機(jī)的發(fā)電成本參數(shù)，P_Gi,T0為T(mén)0時(shí)刻第i臺(tái)發(fā)電機(jī)的有功功率，P_Gi^min、P_Gi^max分別為第i臺(tái)發(fā)電機(jī)的有功功率最小值和最大值；

所述利用強(qiáng)化學(xué)習(xí)算法建立所述實(shí)時(shí)需求響應(yīng)模型的求解策略，包括：

利用Q學(xué)習(xí)算法對(duì)所述實(shí)時(shí)需求響應(yīng)模型進(jìn)行求解；

在得知其他跟隨者當(dāng)前的最優(yōu)決策情況下，計(jì)算每個(gè)跟隨者的目標(biāo)函數(shù)F_i，其中，E_i^other為除去第i個(gè)跟隨者的電力系統(tǒng)的系統(tǒng)效益，F(xiàn)_i表示第i個(gè)跟隨者的目標(biāo)函數(shù)。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于Copula函數(shù)對(duì)獲取到的每個(gè)柔性負(fù)荷的隨機(jī)變量進(jìn)行概率分布建模，得到柔性負(fù)荷模型包括：

建立每個(gè)所述柔性負(fù)荷的隨機(jī)變量μ的累積分布函數(shù)：

其中，μ為所述柔性負(fù)荷的隨機(jī)變量；

利用Gaussian Copula函數(shù)以及所述隨機(jī)變量μ的所述累積分布函數(shù)建立所述柔性負(fù)荷模型：

其中，μ_d為服從[0，1]區(qū)間均勻分布的所述柔性負(fù)荷的隨機(jī)變量，d為隨機(jī)變量μ的個(gè)數(shù)；θ為相關(guān)系數(shù)矩陣；為相關(guān)系數(shù)矩陣為θ的標(biāo)準(zhǔn)多元Gaussian分布函數(shù)；為標(biāo)準(zhǔn)Gaussian分布函數(shù)的逆函數(shù)；

基于所述累積分布函數(shù)以及極大化偽對(duì)數(shù)似然函數(shù)對(duì)所述柔性負(fù)荷模型中的參數(shù)θ進(jìn)行估計(jì)：

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述利用所述柔性負(fù)荷模型進(jìn)行蒙特卡洛模擬，生成用于實(shí)施需求響應(yīng)調(diào)度的柔性負(fù)荷場(chǎng)景包括：

利用所述柔性負(fù)荷模型進(jìn)行蒙特卡洛模擬，生成N組模擬數(shù)據(jù)；

利用逆概率分布函數(shù)將N組所述模擬數(shù)據(jù)轉(zhuǎn)換為所述柔性負(fù)荷參與實(shí)時(shí)需求響應(yīng)的N個(gè)所述柔性負(fù)荷場(chǎng)景。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述柔性負(fù)荷場(chǎng)景，利用Stackelberg博弈建立電力系統(tǒng)的當(dāng)前與未來(lái)兩階段的實(shí)時(shí)需求響應(yīng)模型包括：

根據(jù)所述柔性負(fù)荷場(chǎng)景，建立所述實(shí)時(shí)需求響應(yīng)模型：

其中，

其中，為領(lǐng)導(dǎo)者的最優(yōu)策略；為領(lǐng)導(dǎo)者的可選策略；為所有跟隨者的最優(yōu)策略；為第i個(gè)跟隨者的最優(yōu)策略；E_leader為領(lǐng)導(dǎo)者的效益函數(shù)；E_i為第i個(gè)跟隨者的效益函數(shù)；A_i為跟隨者的可選擇策略。