一种价格响应型柔性负荷聚合模型辨识方法及系统与流程
本发明属于电力系统需求响应、综合能源系统运行优化与多能负荷协同调节,主要涉及一种价格响应型柔性负荷聚合与辨识方法及系统,尤其是一种面向多能负荷协同响应的价格响应型柔性负荷聚合模型辨识方法及系统。
背景技术:
1、随着新能源高比例接入和电、热、气等多能负荷在用户侧、园区侧和配电侧的快速发展,电网运行调节逐渐由传统源侧调峰向源网荷储协同互动转变。多能负荷具有负荷类型多样、响应特性差异明显、跨时段耦合关系复杂等特点,其可调节能力不仅受电价信号影响,还与储能状态、用能舒适度、生产需求及多能转换设备运行边界密切相关。如何建立能够统一刻画多能负荷可调节能力的等值聚合模型,并将其用于电网调节能力提升、需求响应调度和动态价格机制设计,是当前综合能源系统运行优化中的关键问题。
2、现有柔性负荷建模方法主要包括物理建模方法和数据驱动方法。物理建模方法具有较强解释性,但通常依赖用户侧详细设备参数和运行信息,实际应用中存在数据获取困难、隐私保护要求高和模型维度复杂等问题。数据驱动方法能够基于历史运行数据学习负荷响应规律,但传统回归模型、神经网络模型等往往缺少物理约束支撑,难以解释负荷对动态价格信号的响应机理,也难以准确表征储能、可调负荷等资源的跨时段调节能力。
3、逆优化方法能够根据观测到的负荷响应行为反推聚合模型参数,在数据驱动框架中保留一定的物理约束和优化决策结构。然而,面向多能负荷协同响应的聚合模型辨识通常具有双层结构、非凸特性和参数非唯一性,尤其在考虑静态响应、滚动动态响应、储能效率、测量误差和预测误差时,传统kkt重构、梯度求解或牛顿迭代方法容易面临计算复杂度高、样本扩展困难和部分参数可辨识性不足等问题。
4、因此,亟需一种能够兼顾物理可解释性、动态价格响应能力、误差鲁棒性和求解效率的多能负荷聚合模型参数辨识方法,为电网调节能力提升和多能负荷协同响应运行优化提供模型基础。
技术实现思路
1、本发明的目的是针对上述不足之处,提供一种价格响应型柔性负荷聚合与辨识方法及系统。本发明融合固定负荷、可调功率组件和储能组件运行特性,面向动态价格信号挖掘多能负荷可调节潜力,并通过显式误差逆优化、贝叶斯优化求解实现聚合模型参数辨识。在不依赖用户侧完整设备参数的情况下,利用历史电价信号和聚合功率观测数据辨识多能负荷等值聚合模型参数,从而实现对多能负荷可调节潜力的量化刻画;将价格响应行为表示为带有物理约束的优化决策过程,具有更强的可解释性;避免了复杂kkt重构和大规模互补约束处理,能够适用于包含储能跨时段耦合和滚动动态响应机制的多能负荷协同响应场景。
2、为了实现上述目的,本发明是采取以下技术方案实现的:
3、一种价格响应型柔性负荷聚合与辨识方法,包括以下步骤:
4、s1,建立价格响应型负荷静态及动态模型;
5、具体的是,构建包含价格响应型负荷组件的运行约束、聚合运行域以及静态和动态价格响应行为的聚合模型;
6、s2、构建显式误差逆优化辨识模型;
7、具体的是,以s1中建立的价格响应型负荷静态及动态模型中的未知参数为辨识对象,建立观测聚合功率与模型响应功率之间的显式误差目标函数,并将价格响应行为嵌入为下层优化问题,形成显式误差逆优化辨识模型;
8、s3、构建基于分位数回归森林的代理辨识模型;
9、具体的是,为求解s2中显式误差逆优化辨识模型,分位数回归森林通过采样参数,并带入s1中建立的价格响应型负荷静态及动态模型输出对应响应功率,同时采用s2中显式误差逆优化辨识模型中的显式误差计算公式计算对应目标函数值以评估的参数样本,利用参数样本及其显式误差目标函数值训练分位数回归森林的代理辨识模型,以拟合显式误差逆优化辨识下层优化模型,最终实现对候选参数对应的显式误差目标函数进行分位数预测和条件分布估计;
10、s4、形成基于分位数汤普森采样的候选参数选择方法;
11、具体的是,基于分位数回归森林输出的条件分布估计,对候选参数集合进行多次汤普森抽样,计算各候选参数成为当前最优参数的经验概率,并选取最优概率较高且满足物理可行性约束的候选参数进入显式误差逆优化辨识模型进行真实评估;
12、s5、求解聚合模型参数并输出辨识结果;
13、具体的是,根据步骤s3的分位数回归森林的代理辨识模型拟合与步骤s4的基于分位数汤普森采样的候选参数选择方法序贯计算形成的参数-误差样本集合中,选取显式误差目标函数值最小的参数作为最终聚合模型参数,并将其代入s1中价格响应型负荷静态及动态模型,输出辨识后的聚合运行域和价格响应模型。
14、进一步的,步骤s1中所述价格响应型负荷组件包括固定负荷组件、可调功率组件和储能组件。
15、进一步的,步骤s2中的显式误差逆优化辨识模型基于步骤s1中建立的聚合运行域以及静态和动态价格响应行为。
16、本发明还提供了一种价格响应型柔性负荷聚合与辨识系统,包括:
17、价格响应型负荷静动态模型构建模块,用于将价格响应型柔性负荷划分为固定负荷组件、可调功率组件和储能组件,构建包含组件运行约束、聚合运行域以及静态和动态价格响应行为的聚合模型;
18、显式误差逆优化辨识模型构建模块,用于以价格响应型负荷聚合模型中的未知参数为辨识对象,建立观测聚合功率与模型响应功率之间的显式误差目标函数,并将价格响应行为嵌入为下层优化问题,形成双层逆优化辨识模型;
19、基于分位数回归森林代理辨识模型构建模块,用于通过已评估的参数样本及其显式误差目标函数值训练分位数回归森林代理模型,对候选参数对应的显式误差目标函数进行分位数预测和条件分布估计;
20、候选参数选择模型构建模块,用于基于分位数回归森林代理辨识模型输出的条件预测分布,对候选参数集合进行多次随机抽样,计算各候选参数成为当前最优参数的经验概率,并选取最优概率较高且满足物理可行性约束的候选参数进入显式误差逆优化模型进行真实评估;
21、聚合模型参数求解模块,用于基于序贯辨识过程中形成的参数-误差样本集合,选取显式误差目标函数值最小的参数作为最终聚合模型参数,并将其代入价格响应型柔性负荷聚合模型,输出辨识后的聚合运行域和价格响应模型。
22、与现有技术相比,本发明具有以下有益效果:
23、1、将价格响应型柔性负荷分解为固定负荷组件、可调功率组件和储能组件,并在聚合模型中显式刻画功率边界、功率变化率约束、储能能量边界及能量状态演化关系,能够避免传统纯数据驱动方法难以体现负荷物理结构和运行约束的问题,提高聚合模型的可解释性与可用于调度分析的可靠性;
24、2、同时构建价格响应型柔性负荷的静态响应模型和动态响应模型,既能够描述分时电价或日前电价下的周期性响应行为,又能够通过滚动时域优化和储能剩余价值项刻画动态电价场景下的跨时段调节行为,相较于仅适用于静态响应的建模方法,具有更强的场景适应性;
25、3、构建显式误差逆优化辨识模型,以上层观测误差最小化和下层价格响应优化决策相结合的双层结构进行参数辨识,能够在不依赖用户侧完整设备参数的情况下,根据历史电价信号和聚合功率观测数据反推聚合模型参数,从而兼顾数据驱动方法的适用性和物理优化模型的解释性;
26、4、采用分位数回归森林代理模型对显式误差目标函数进行近似建模,并结合分位数汤普森采样方法选择候选参数点,实现序贯参数搜索,免了传统kkt重构、互补约束线性化或梯度反传方法带来的复杂建模和计算负担,提高了高维非凸参数辨识问题的求解效率;
27、5、通过分位数回归森林的增量更新策略,在新增样本加入后无需重新训练整个代理模型即可更新条件经验分布和分位数预测,提高了序贯参数搜索效率与计算性能,提升了价格响应型柔性负荷聚合模型辨识的工程实用性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com