用户需求响应能力评估方法、系统、终端及介质与流程

技术特征：
1.一种用户需求响应能力评估方法，其特征在于，包括：对负荷分类建模，生成各类家庭柔性负荷的约束条件；基于生成的所述各类家庭柔性负荷的约束条件，综合考虑价格型和激励型需求响应，对智能家庭能量优化建模，得到智能家庭能量管理系统的全局约束模型；基于得到的所述智能家庭能量管理系统的全局约束模型，结合用户需求响应行为的不确定性对用户需求响应能力进行评估。2.根据权利要求1所述的用户需求响应能力评估方法，其特征在于，所述对负荷分类建模，生成各类家庭柔性负荷的约束条件，包括：将所述家庭柔性负荷分为可转移负荷、可中断负荷及刚性负荷；设智能家庭能量管理系统中包括：n
sh
个可转移负荷、n
int
个可中断负荷和n
con
个刚性负荷，优化区间为1天，共分为t个时段，分别建立所述可转移负荷、可中断负荷及刚性负荷的约束条件。3.根据权利要求2所述的用户需求响应能力评估方法，其特征在于，所述可转移负荷包括：运行时段可设置，但运行期间不可中断的负荷，其约束条件如下所示：括：运行时段可设置，但运行期间不可中断的负荷，其约束条件如下所示：括：运行时段可设置，但运行期间不可中断的负荷，其约束条件如下所示：括：运行时段可设置，但运行期间不可中断的负荷，其约束条件如下所示：其中，和分别为第i(i＝1,2,...,n
sh
)个可转移负荷的启动和停止时间，为运行时长；t
ish,start,max
和t
ish,start,min
为第i个可转移负荷启动时间上下限；p
ish
(t)为第i个可转移负荷在t(t＝1,2,...,t)时段的功率，p
ish
为额定功率；所述可中断负荷包括：运行期间可多次启停的负荷，其约束条件如下所示：所示：所示：所示：所示：所示：所示：其中，和分别为第i(i＝1,2,...,n
int
)个可中断负荷的第j个工作时段的启停时间；p
iint
(t)为第i个可中断负荷在t时刻的功率，p
iint,max
和p
iint,min
分别为运行功率上下限；w
iint,max
和w
iint,min
为第i个可中断负荷在整个调度周期的总耗能上下限；δt为调度周期的时间间隔；所述可中断负荷还包括：通过间断地充放电参与dr调度的负荷，包括储能es和电动汽
车ev；其中：所述储能es的约束条件如下所示：所述储能es的约束条件如下所示：所述储能es的约束条件如下所示：所述储能es的约束条件如下所示：e
es,min
≤e
es
(t)≤e
es,max
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(16)|e
es
(t)
‑
e
es
(1)|≤ε
es
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(17)其中，和为es在t时刻的充放电功率；和为es充放电功率上限；和为es的充放电效率；e
es
(t)为es在t时刻的荷电状态；e
es,max
和e
es,min
为es荷电状态上下限；ε
es
表示调度时段末es的荷电状态相对于初始时刻的允许变化范围；所述电动汽车ev的约束条件如下所示：t
ev,start,min
≤t
ev,start
≤t
ev,start,max
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(18)t
ev,end,min
≤t
ev,end
≤t
ev
,
end,max
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(19)t
ev,start
≤t
ev,end
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(20)(20)(20)(20)e
ev,min
≤e
ev
(t)≤e
ev,max
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(16)e
ev
(t
l
)≥α
ev
e
ev,max
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(24)其中，和为ev在t时刻的充放电功率；和为ev充放电功率上限；和为ev的充放电效率；e
ev
(t)为ev在t时刻的荷电状态；e
ev,max
和e
ev,min
为ev荷电状态上下限；t
l
为ev离开住宅时间；α
ev
为根据用户需求设定的ev最小soc目标系数；所述刚性负荷包括：日常所需的家电设备，其约束条件如下所示：p
icon
(t)＝p
icon
,t∈[t
icon,start
,t
icon,end
]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(25)其中p
icon
(t)为第i(i＝1,2,...,n
con
)台刚性负荷在t时刻的功率；p
icon
、t
icon,start
和t
icon,end
分别为第i台刚性负荷的额定功率和根据用户历史用电情况获取的日前预测启停时间。4.根据权利要求2
‑
3中任一项所述的用户需求响应能力评估方法，其特征在于，所述对负荷分类建模，还包括：采用bp
‑
nn神经网络，对光伏发电设备进行光伏功率预测。5.根据权利要求3所述的用户需求响应能力评估方法，其特征在于，基于生成的所述各
类家庭柔性负荷的约束条件，综合考虑价格型和激励型需求响应，对智能家庭能量优化建模，得到智能家庭能量管理系统的全局约束模型，包括：利用全天净负荷方差计算负荷波动水平：其中，p
g
(t)为t时刻用户净负荷；为全时段净负荷平均功率；f
fl
为用户直接响应电网控制信号的激励型目标函数；全天家庭用电成本函数为：其中，p(t)为分时电价函数；f
pa
为价格型需求响应目标函数；定义综合考虑激励型需求响应和价格型需求响应目标的联合目标函数min f为：min f＝(1
‑
ω
dr
)f
pa
ω
dr
f
fl
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(29)其中，ω
dr
表示某用户的激励型需求响应参与度，为激励型需求响应目标的权重系数；计及所述各类家庭柔性负荷的约束条件，设定功率平衡的全局约束为：其中，为t时刻的光伏预测功率；即得到所述智能家庭能量管理系统的全局约束模型。6.根据权利要求5所述的用户需求响应能力评估方法，其特征在于，所述ω
dr
取值在[0，1]区间内，当ω
dr
为1时，表示智能家庭能量管理系统全力参与激励型需求响应，不考虑家庭用电费用节省情况；当ω
dr
为0时，表示该用户不参与激励型需求响应，智能家庭能量管理系统仅考虑降低家庭用户成本，无需满足网侧的负荷波动要求。7.根据权利要求5所述的用户需求响应能力评估方法，其特征在于，所述基于得到的所述智能家庭能量管理系统的全局约束模型，结合用户需求响应行为的不确定性对用户需求响应能力进行评估，包括：对居民响应容量期望计算如下：其中，ω
dr，i
(i＝1，2，...，n
dr
)表示某用户的激励型需求响应参与度，即，综合考虑激励型需求响应和价格型需求响应目标的联合目标函数min f的激励型目标权重系数；p
gbef
(t
j
)为t
j
(j＝1，2，...，n
t
)时刻该用户在基准用电情况下的净负荷功率；t
j
取于需求响应调度期间内，δt的优化时隙下有n
t
个可取数值；p
gaft
(t
j
，ω
dr，i
)为该用户在ω
dr，i
参与度下进行需求响应调度后在t
j
时刻的净负荷功率；p(ω
dr，i
＜ω
dr
≤ω
dr，i
δω
dr
)表示该用户在参与度ω
dr，i
附近的响应概率，δω
dr
为参与度间隔；n
dr
表示离散化后的参与度取值个数；
式中，求和项表示需求响应调度期间内用户以ω
dr，i
的参与度参与响应的净负荷电量e
dr
，故υ
dr
表示考虑了用户参与dr意愿的所有可能情况下单位时间内用户响应电能，即综合考虑响应时间和用户意愿不确定性概率的响应容量期望。8.根据权利要求7所述的用户需求响应能力评估方法，其特征在于，所述对用户需求响应能力进行评估，还包括：当存在新的不确定性因素时，将所述新的不确定因素作为新随机变量规范化到[0，1]区间内，进而类比式(31)对居民响应容量期望计算，对参与度ω
dr
的处理推广到在高维空间中的计算。9.一种用户需求响应能力评估系统，其特征在于，包括：负荷建模模块：该模块对负荷分类建模，生成各类家庭柔性负荷的约束条件；系统建模模块：该模块基于生成的所述各类家庭柔性负荷的约束条件，综合考虑价格型和激励型需求响应，对智能家庭能量优化建模，得到智能家庭能量管理系统的全局约束模型；响应能力评估模块：该模块基于得到的所述智能家庭能量管理系统的全局约束模型，结合用户需求响应行为的不确定性对用户需求响应能力进行评估。10.一种终端，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时可用于执行权利要求1
‑
8中任一项所述的方法，或，运行权利要求9所述的系统。11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时可用于执行权利要求1
‑
8中任一项所述的方法，或，运行权利要求9所述的系统。

技术总结
本发明提供了一种用户需求响应能力评估方法及系统，包括：对负荷分类建模，生成各类家庭柔性负荷的约束条件；基于生成的所述各类家庭柔性负荷的约束条件，综合考虑用户需求响应，对智能家庭能量优化建模，得到智能家庭能量管理系统的全局约束模型；基于得到的所述智能家庭能量管理系统的全局约束模型，对用户需求响应能力进行评估。同时提供了一种对应的终端及介质。本发明能够在不同参与度水平下求解以减少家庭用电费用和净负荷功率波动为联合优化目标的日前调度模型；利用响应前后净负荷包络域期望量化评估用户响应能力。包络域期望量化评估用户响应能力。包络域期望量化评估用户响应能力。


技术研发人员：赵波 李志浩 林达 马瑜涵 郑若楠 李国杰 韩蓓
受保护的技术使用者：上海交通大学
技术研发日：2021.07.13
技术公布日：2021/11/4