一种基于削减电量动态调度的需求响应方法及系统

15.其中，为第1轮需求响应中偏好向量估计值，ai为消费者i的初始化矩阵，i4×4为4维单位矩阵，bi为消费者i的初始化向量，04×1为4维0向量。
16.结合第一方面，进一步的，在第h轮需求响应中，所述上下文特征向量通过以下方法得到：
17.xh＝(eh,ch)
18.其中，xh为上下文特征向量，eh为环境特征向量，ch为备选的每削减一单位电量的补贴价格。
19.结合第一方面，进一步的，所述环境特征向量中包含了温度、日期和是否工作日的信息。
20.结合第一方面，进一步的，在第h 1轮需求响应中，偏好向量估计值通过以下方法得到：
[0021][0022][0023][0024]
其中，为第h 1轮需求响应中消费者i的偏好向量估计值，a
i,h 1
为第h 1轮需求响应中消费者i的矩阵，a
i,h
为第h轮需求响应中消费者i的矩阵，为最优补贴价格对应的上下文特征向量，t表示向量的转置，b
i,h 1
为第h 1轮需求响应中消费者i的向量，b
i,h
为第h轮需求响应中消费者i的向量，δd
i,h
为第h轮需求响应中消费者i的真实削减电量。
[0025]
结合第一方面，进一步的，根据上下文特征向量和偏好向量估计值计算消费者的削减电量潜力估计值：
[0026][0027]
其中，为第h轮需求响应中消费者i的削减电量潜力估计值，(eh,ch)
t
为上下文特征向量的转置，为第h轮需求响应中消费者i的偏好向量估计值；
[0028]
从而计算消费者的削减电量潜力估计值的上置信区间：
[0029][0030]
其中，u
i,h
为所述上置信区间，为消费者i的削减电量潜力估计值，表示对消费者i的削减电量潜力估计值的不确定度，σ为权衡参数。
[0031]
结合第一方面，进一步的，电力运营商成本模型通过以下方法建立：将电力运营商成本建模为
[0032]
其中，s(g)＝α(g)2 β(g) γ，α、β、γ为已知的电力运营商向发电站购买电量成本参数，为需求侧所需电量，为消费者子集，为第h轮需求响应中消费者i的削减电量潜力估计值，ch为备选的每削减一单位电量的补贴价格。
[0033]
第二方面，本发明还提供了一种基于削减电量动态调度的需求响应系统，包括：
[0034]
获取模块：用于获取包括环境特征和备选补贴价格的上下文特征的上下文特征向量和消费者对上下文特征的偏好向量估计值；
[0035]
上置信区间计算模块：用于根据上下文特征向量和偏好向量估计值计算消费者的削减电量潜力估计值，从而计算消费者的削减电量潜力估计值的上置信区间；
[0036]
消费者子集获取模块：用于对所述上置信区间进行降序排列，将前k位对应的消费者组成消费者子集；
[0037]
需求响应模块：用于建立电力运营商成本模型，以成本最小化为目标求解该模型，得到备选补贴价格中的最优补贴价格，与最优补贴价格相对应的消费者子集中所有消费者为参与需求响应的消费者。
[0038]
与现有技术相比，本发明所达到的有益效果是：
[0039]
本发明提供的一种基于削减电量动态调度的需求响应方法及系统，根据上下文特征向量和偏好向量估计值计算消费者的削减电量潜力估计值，从而将消费者的削减电量当作一种虚拟可控资源，上下文特征向量中的上下文特征包含环境特征和备选补贴价格，所以得到的削减电量潜力估计值是随上下文特征动态变化的，在线学习环境因素和补贴价格对消费者削减电量潜力的动态影响；每个消费者维护一个对上下文特征偏好程度的偏好向量，在不断迭代中偏好向量估计值逐渐收敛到真实的偏好向量，从而得到对消费者削减电量潜力更为准确的刻画；以成本最小化为目标求解预建立的电力运营商成本模型，通过优化建模求解动态确定了最优补贴价格和参与需求响应的消费者，从而克服了现有技术中缺少考虑上下文信息而假设消费者削减电量潜力固定的弊端，解决了对消费者(需求侧)削减电量动态调度的技术问题。
附图说明
[0040]
图1是发明实施例提供的一种基于削减电量动态调度的需求响应方法的流程图；
[0041]
图2是本发明实施例提供的实施场景示意图。
具体实施方式
[0042]
下面结合附图对本发明作进一步描述，以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
[0043]
实施例1
[0044]
如图1所示，本发明实施例提供的一种基于削减电量动态调度的需求响应方法，包括：
[0045]
s1、获取包括环境特征和备选补贴价格的上下文特征的上下文特征向量和消费者对上下文特征的偏好向量估计值。
[0046]
预先设置需求响应的总轮数h，设置每次需求响应时从全部的n个消费者中选取参与需求响应的消费者数量k，且k≤n，设置权衡参数σ。
[0047]
上下文特征包括环境特征和备选补贴价格，环境特征包含温度、日期、是否工作日，将上述环境因素表达为环境特征向量，记为eh；上述备选补贴价格为备选的每削减一单位电量的补贴价格，记为ch，c
min
≤ch≤c
max
，c
min
为备选补贴价格的最小值，c
max
为备选补贴价格的最大值。
[0048]
将环境特征向量和备选补贴价格共同构成4维上下文特征向量，在第h轮需求响应中，所述上下文特征向量通过以下方法得到：xh＝(eh,ch)。
[0049]
每一个消费者i维护一个对上下文特征偏好程度的偏好向量，记为θi，i＝1,
…
,n。
[0050]
在第1轮需求响应中，偏好向量估计值通过以下方法得到：
[0051][0052]ai
＝i4×4[0053]bi
＝04×1[0054]
其中，为第1轮需求响应中偏好向量估计值，ai为消费者i的初始化矩阵，i4×4为4维单位矩阵，bi为消费者i的初始化向量，04×1为4维0向量。
[0055]
第h 1轮需求响应中的偏好向量估计值通过以下方法得到，获取上一轮需求响应中消费者i的真实削减电量，据此更新每个上一轮需求响应中参与需求响应的消费者的矩阵和向量，再通过上述矩阵和向量计算得出第h 1轮需求响应中的偏好向量估计值：
[0056][0057][0058][0059]
其中，为第h 1轮需求响应中消费者i的偏好向量估计值，a
i,h 1
为第h 1轮需求响应中消费者i的矩阵，a
i,h
为第h轮需求响应中消费者i的矩阵，为最优补贴价格对应的上下文特征向量，t表示向量的转置，b
i,h 1
为第h 1轮需求响应中消费者i的向量，b
i,h
为第h轮需求响应中消费者i的向量，δd
i,h
为第h轮需求响应中消费者i的真实削减电量。
[0060]
s2、根据上下文特征向量和偏好向量估计值计算消费者的削减电量潜力估计值，从而计算消费者的削减电量潜力估计值的上置信区间。
[0061]
在第h轮需求响应中：
[0062][0063]
其中，为第h轮需求响应中消费者i的削减电量潜力估计值，(eh,ch)
t
为上下文特征向量的转置，为第h轮需求响应中消费者i的偏好向量估计值。
[0064]
为了获取需求响应的的长期整体效益，在线学习过程中权衡对消费者削减电量潜力的利用和探索，利用即选择已知信息下削减电量潜力估计值大的消费者参与需求响应，
探索即选择削减电量潜力估计值不确定性大的消费者参与需求响应，本发明所述方法通过计算消费者的削减电量潜力估计值的上置信区间来权衡利用和探索。
[0065][0066]
其中，u
i,h
为所述上置信区间，第一项作为利用项，表示消费者i的削减电量潜力估计值，第二项中作为探索项，表示对消费者i的削减电量潜力估计值的不确定度，σ为权衡参数，用于权衡利用和探索的参数。
[0067]
s3、对所述上置信区间进行降序排列，将前k位对应的消费者组成消费者子集。
[0068]
对消费者的削减电量潜力估计值的上置信区间u
i,h
进行降序排列，将排在前k名的消费者放在集合中，该集合表示，在第h轮需求响应中，当备选价格为ch时，消费者的削减电量潜力估计值的上置信区间排名前k对应的消费者组成消费者子集，
[0069]
s4、以成本最小化为目标求解预建立的电力运营商成本模型，得到备选补贴价格中的最优补贴价格，与最优补贴价格相对应的消费者子集中所有消费者为参与需求响应的消费者。
[0070]
获取需求侧(消费者)所需电量建立电力运营商成本模型。
[0071]
如图2所示，为了满足需求侧所需电量，一方面电力运营商通过向发电站购买g单位的电量并向发电站支付金额s(g)，另一方面电力运营商提供补贴(最优补贴价格)奖励消费者削减电量；综合上述两方面，将电力运营商成本建模为消费者削减电量；综合上述两方面，将电力运营商成本建模为
[0072]
其中，为电力运营商向发电站购买单位的电量所需要的成本，令单位的电量所需要的成本，令则s(g)＝α(g)2 β(g) γ，α、β、γ为已知的电力运营商向发电站购买电量成本参数，为需求侧所需电量，为消费者子集，为第h轮需求响应中消费者i的削减电量潜力估计值，ch为备选的每削减一单位电量的补贴价格，第二项表示以补贴价格ch奖励消费者削减单位电量所需要的成本。
[0073]
以最小化电力运营商成本为优化目标，求解该电力运营商成本模型，得到备选补贴价格中的最优补贴价格
与最优补贴价格相对应的消费者子集中所有消费者为参与需求响应的消费者。
[0074]
集合表示，当最优补贴价格为时，削减电量潜力估计值的上置信区间排在前k名的消费者子集，
[0075]
结束第h轮需求响应后，获取第h轮需求响应中消费者i的真实削减电量，据此更新每个第h轮需求响应中参与需求响应的消费者的矩阵和向量，再通过上述矩阵和向量计算得出第h 1轮需求响应中的偏好向量估计值：
[0076][0077][0078][0079]
其中，为第h 1轮需求响应中消费者i的偏好向量估计值，a
i,h 1
为第h 1轮需求响应中消费者i的矩阵，a
i,h
为第h轮需求响应中消费者i的矩阵，为最优补贴价格对应的上下文特征向量，t表示向量的转置，b
i,h 1
为第h 1轮需求响应中消费者i的向量，b
i,h
为第h轮需求响应中消费者i的向量，δd
i,h
为第h轮需求响应中消费者i的真实削减电量。
[0080]
重复执行上述s1至s4步骤，直至预设的h次需求响应结束。
[0081]
需求响应是当电力系统的有效性和可靠性受到威胁时，消费者在接收到电力运营商发出的诱导性削减电量的补贴通知或者电力价格上升信号后，改变其固有的用电行为模式，从而保障电网稳定。
[0082]
本发明实施例提供的一种基于削减电量动态调度的需求响应方法，在基于削减电量动态调度需求侧削减电量的需求响应中，将需求侧削减电量当作虚拟可控资源，通过学习需求侧消费者削减电量潜力，在此基础上动态地选择有削减电量潜力的消费者参与需求响应并实时制定补贴价格以奖励消费者削减电量行为，实现对需求侧削减电量的动态调度，从而避免了传统上强制停电措施带来的种种不利影响，促进了电力系统的供需平衡；根据上下文特征向量和偏好向量估计值计算消费者的削减电量潜力估计值，上下文特征向量中的上下文特征包含环境特征和备选补贴价格，所以得到的削减电量潜力估计值是随上下文特征动态变化的，在线学习环境因素和补贴价格对消费者削减电量潜力的动态影响；每个消费者维护一个对上下文特征偏好程度的偏好向量，在不断迭代中偏好向量估计值逐渐收敛到真实的偏好向量，从而得到对消费者削减电量潜力更为准确的刻画；建立电力运营商成本模型，以成本最小化为目标求解该模型，得到最优补贴价格和对应的参与需求响应的消费者，解决了对消费者(需求侧)削减电量动态调度的技术问题。
[0083]
本发明实施例提供的一种基于削减电量动态调度的需求响应方法，将需求响应分解为在线学习和优化问题，在线学习方法学习环境因素及补贴价格对消费者削减电量潜力的动态影响，建立并求解电力运营商成本模型，实现基于削减电量动态调度的需求响应。
[0084]
在线学习问题中，本发明在线学习环境因素及补贴价格对消费者削减电量潜力的动态影响，每个消费者维护一个对上下文特征偏好程度的偏好向量，在不断迭代中所估计的消费者偏好向量逐渐收敛到真实的偏好向量，从而得到对消费者削减电量潜力较为准确的刻画。
[0085]
同时，为了获取需求响应的长期整体效益，在线学习过程中权衡对消费者削减电量潜力的利用和探索，利用即选择已知信息下削减电量潜力估计值大的消费者参与需求响应，探索即选择削减电量潜力估计值不确定性大的消费者参与需求响应。
[0086]
优化问题中，考虑到电力运营商通过向发电站购买电量，另一方面通过提供补贴价格奖励消费者削减电量，以满足需求侧需求电量，本发明在此基础上对电力运营商运营成本建模，然后以最小化电力运营商运营成本为优化目标，求解得到最优补贴价格。
[0087]
综上，本发明通过在线学习得到对消费者削减电量潜力较为准确的刻画，通过优化建模求解动态确定了最优补贴价格和参与需求响应的消费者，从而克服了传统上缺少考虑上下文信息而假设消费者削减电量潜力固定的弊端，解决了对需求侧削减电量动态调度的技术问题，从而避免了传统上在电力系统容量短缺时采取强制停电等硬性措施带来的种种不利影响。
[0088]
实施例2
[0089]
本发明实施例提供的一种基于削减电量动态调度的需求响应系统，包括：
[0090]
获取模块：用于获取包括环境特征和备选补贴价格的上下文特征的上下文特征向量和消费者对上下文特征的偏好向量估计值；
[0091]
上置信区间计算模块：用于根据上下文特征向量和偏好向量估计值计算消费者的削减电量潜力估计值，从而计算消费者的削减电量潜力估计值的上置信区间；
[0092]
消费者子集获取模块：用于对所述上置信区间进行降序排列，将前k位对应的消费者组成消费者子集；
[0093]
需求响应模块：用于建立电力运营商成本模型，以成本最小化为目标求解该模型，得到备选补贴价格中的最优补贴价格，与最优补贴价格相对应的消费者子集中所有消费者为参与需求响应的消费者。
[0094]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0095]
本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0096]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指
令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0097]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0098]
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。