多场景两阶段需求响应资源优化调度方法、装置及设备

1.本技术涉及需求响应优化运行技术领域，特别涉及一种多场景两阶段需求响应资源优化调度方法、装置及设备。


背景技术：

2.需求响应是电力系统的重要调节手段，是指通过分时电价等市场价格信号或资金补贴等激励机制，引导鼓励电力用户主动改变用电行为，以促进电力供需平衡，保障电网稳定运行。需求响应已成为新一代能源系统应对发电不确定性及负荷需求波动、促进高比例可再生能源消纳的重要手段，能为电网带来显著的效益。
3.需求响应主要分为两种类型，一种是基于价格的需求响应，另一种是基于激励的需求响应。基于价格的需求响应指的是电力用户依据电力价格信号的变化来调整自身用电模式的响应行为，主要包含分时电价、实时电价、尖峰电价等。基于激励的需求响应指的是需求响应实施机构为鼓励用户在电力系统的可靠性降低或者用电的价格升高的情形下削减用电负荷而制定的一系列激励政策，主要包含直接负荷控制、可中断负荷、需求侧竞价、紧急电力需求响应、容量/辅助服务计划等。
4.工业负荷是电力负荷的重要组成部分，占全社会用电比重较大。工业用户与商业、居民等类型用户负荷相比，具有响应容量大、技术性能高等优势，是电力系统中最重要的需求响应资源。从工业负荷聚合商的角度，如何对其响应资源进行优化调度，具有十分重要的实践意义。现有的面向工业负荷聚合商的需求响应资源优化调度技术和方法主要存在如下一些问题：1)随着需求响应的发展，响应资源的数据规模越来越大，较大规模的工业负荷聚合商需要对大规模海量设备资源进行管理和决策，因此工业负荷聚合商需要对数量庞大、分散存在、特性各异的需求响应资源进行精细建模和合理分组。2)工业负荷聚合商对需求响应资源优化调度时，需要协调考虑日前和日内两个阶段，其中日前阶段需要根据电网需求响应计划优化资源组的调用计划，日内阶段需要根据实时运行情况和边界条件优化资源组的响应出力。3)当需求响应设备资源被调用时，并不一定能保证100％成功响应，由于资源组内各个资源的响应状态的不确定性，资源组的响应容量曲线将不再是一条确定的曲线，而是满足一定概率分布的随机变量曲线。工业负荷聚合商需要考虑各资源组的响应容量随机分布特性，才能使得调用结果下的实际响应容量满足电网侧要求。
5.因此，需要建立一套更为系统和全面的需求响应资源优化调度方法、装置及设备，以实现工业负荷聚合商参与电网需求响应的优化运行控制，提升工业负荷聚合商的运行效益。


技术实现要素：

6.本技术提供一种多场景两阶段需求响应资源优化调度方法、装置及设备，以解决现有的工业负荷聚合商需求响应资源优化调度方法的不足，实现工业负荷聚合商参与电网需求响应的资源优化调度控制，并带来显著的效益提升空间。
7.本技术第一方面实施例提供一种多场景两阶段需求响应资源优化调度方法，包括以下步骤：
8.基于所有设备资源的模型提取每个资源的6个关键响应指标，并聚合后生成至少一个资源组；
9.对所述至少一个资源组的资源组响应出力曲线进行多场景生成，并通过场景聚类得到每个资源组的典型响应场景和关键指标；以及
10.基于所述每个资源组的典型响应场景和关键指标，根据电网侧分配的需求响应指标，决策所有需求响应资源的响应时段和响应量，以最小化自身运行成本，同时满足电网侧需求响应量指标和自身运行约束，生成优化调度策略。
11.根据本技术的一个实施例，所述6个关键响应指标包括响应容量、响应速率、恢复速率、最大响应持续时间、响应可信度和响应成本。
12.根据本技术的一个实施例，所述通过场景聚类得到每个资源组的典型响应场景和关键指标，包括：
13.构建资源组响应出力随机变量；
14.基于所述资源组响应出力随机变量，通过随机采样模拟进行场景生成，对所述每个资源组生成需求响应出力场景，并将所述资源组需求响应出力场景削减为满足预设条件的所述典型响应场景。
15.根据本技术的一个实施例，所述构建资源组响应出力随机变量，包括：
16.根据所述设备资源的响应可信度指标获得任一资源响应状态随机变量的概率分布；
17.基于所述概率分布获得所述任一资源的响应容量出力曲线随机变量；
18.基于所述任一资源的响应容量出力曲线随机变量获得任一资源组的响应容量出力曲线随机变量。
19.根据本技术的一个实施例，所述基于所述每个资源组的典型响应场景和关键指标，根据电网侧分配的需求响应指标，决策所有需求响应资源的响应时段和响应量，以最小化自身运行成本，同时满足电网侧需求响应量指标和自身运行约束，生成优化调度策略，包括：
20.根据日前获得的需求响应中标量，决策次日的资源组调用计划，生成第一阶段优化模型；
21.对所述每个资源组的响应不确定性构建多个需求响应场景，并对每个典型场景均设置对应运行约束条件，决策所述每个资源组的响应出力曲线，生成第二阶段优化模型；
22.将所述第一阶段优化模型和所述第二阶段优化模型联立，得到多场景两阶段需求响应资源调度优化决策模型，并求解所述多场景两阶段需求响应资源调度优化决策模型，得到工业负荷聚合商各资源组的优化调用结果以及各典型场景下各资源组的响应出力曲线。
23.根据本技术实施例的多场景两阶段需求响应资源优化调度方法，基于所有设备资源的模型提取每个资源的6个关键响应指标并聚合后生成至少一个资源组并对其资源组响应出力曲线进行多场景生成，通过场景聚类得到每个资源组的典型响应场景和关键指标，根据电网侧分配的需求响应指标，决策所有需求响应资源的响应时段和响应量，以最小化
自身运行成本，同时满足电网侧需求响应量指标和自身运行约束，生成优化调度策略。由此，解决了现有工业负荷聚合商需求响应资源优化调度方法的不足，考虑了资源组响应时的不确定场景，实现了工业负荷聚合商参与电网需求响应的资源优化调度控制，显著提升了工业负荷聚合商的运行效益。
24.本技术第二方面实施例提供一种多场景两阶段需求响应资源优化调度装置，包括：
25.提取模块，用于基于所有设备资源的模型提取每个资源的6个关键响应指标，并聚合后生成至少一个资源组；
26.生成模块，用于对所述至少一个资源组的资源组响应出力曲线进行多场景生成，并通过场景聚类得到每个资源组的典型响应场景和关键指标；以及
27.优化模块，用于基于所述每个资源组的典型响应场景和关键指标，根据电网侧分配的需求响应指标，决策所有需求响应资源的响应时段和响应量，以最小化自身运行成本，同时满足电网侧需求响应量指标和自身运行约束，生成优化调度策略。
28.根据本技术的一个实施例，所述6个关键响应指标包括响应容量、响应速率、恢复速率、最大响应持续时间、响应可信度和响应成本。
29.根据本技术的一个实施例，所述生成模块，具体用于：
30.构建资源组响应出力随机变量；
31.基于所述资源组响应出力随机变量，通过随机采样模拟进行场景生成，对所述每个资源组生成需求响应出力场景，并将所述资源组需求响应出力场景削减为满足预设条件的所述典型响应场景。
32.根据本技术的一个实施例，所述生成模块，还用于：
33.根据所述设备资源的响应可信度指标获得任一资源响应状态随机变量的概率分布；
34.基于所述概率分布获得所述任一资源的响应容量出力曲线随机变量；
35.基于所述任一资源的响应容量出力曲线随机变量获得任一资源组的响应容量出力曲线随机变量。
36.根据本技术的一个实施例，所述优化模块，具体用于：
37.根据日前获得的需求响应中标量，决策次日的资源组调用计划，生成第一阶段优化模型；
38.对所述每个资源组的响应不确定性构建多个需求响应场景，并对每个典型场景均设置对应运行约束条件，决策所述每个资源组的响应出力曲线，生成第二阶段优化模型；
39.将所述第一阶段优化模型和所述第二阶段优化模型联立，得到多场景两阶段需求响应资源调度优化决策模型，并求解所述多场景两阶段需求响应资源调度优化决策模型，得到工业负荷聚合商各资源组的优化调用结果以及各典型场景下各资源组的响应出力曲线。
40.根据本技术实施例的多场景两阶段需求响应资源优化调度装置，基于所有设备资源的模型提取每个资源的6个关键响应指标并聚合后生成至少一个资源组并对其资源组响应出力曲线进行多场景生成，通过场景聚类得到每个资源组的典型响应场景和关键指标，根据电网侧分配的需求响应指标，决策所有需求响应资源的响应时段和响应量，以最小化
自身运行成本，同时满足电网侧需求响应量指标和自身运行约束，生成优化调度策略。由此，解决了现有工业负荷聚合商需求响应资源优化调度方法的不足，考虑了资源组响应时的不确定场景，实现了工业负荷聚合商参与电网需求响应的资源优化调度控制，显著提升了工业负荷聚合商的运行效益。
41.本技术第三方面实施例提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如上述实施例所述的多场景两阶段需求响应资源优化调度方法。本技术第四方面实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行，以用于实现如上述实施例所述的多场景两阶段需求响应资源优化调度方法。
42.由此，弥补了相关技术中的需求响应资源优化调度方法的不足，建立了一套面向工业负荷聚合商的多场景两阶段需求响应资源优化调度方法，充分考虑了大规模需求响应资源的建模和分组，协调了工业负荷聚合商参与需求响应时日前和日内不同阶段的优化，同时考虑资源组响应时的不确定性场景。基于本技术的多场景两阶段需求响应资源优化调度方法，工业负荷聚合商能够兼顾经济性和不确定性，对日前资源调用和日内运行响应场景进行统筹优化。
43.本技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到。
附图说明
44.本技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
45.图1为根据本技术实施例提供的一种多场景两阶段需求响应资源优化调度方法的流程图；
46.图2为根据本技术一个实施例提供的多场景两阶段需求响应资源优化调度方法的流程框架示意图；
47.图3为根据本技术一个实施例提供的资源组1内部资源组合配置情况示意图；
48.图4为根据本技术一个实施例提供的资源组2内部资源组合配置情况示意图；
49.图5为根据本技术一个实施例提供的资源组1典型响应容量曲线示意图；
50.图6为根据本技术一个实施例提供的资源组2典型响应容量曲线示意图；
51.图7为根据本技术一个实施例提供的场景1资源组响应出力结果示意图；
52.图8为根据本技术一个实施例提供的场景2资源组响应出力结果示意图；
53.图9为根据本技术一个实施例提供的场景3资源组响应出力结果示意图；
54.图10为根据本技术一个实施例提供的场景4资源组响应出力结果示意图；
55.图11为根据本技术一个实施例提供的场景5资源组响应出力结果示意图；
56.图12为根据本技术实施例的多场景两阶段需求响应资源优化调度装置的示例图；
57.图13为根据本技术实施例提供的电子设备的结构示意图。
具体实施方式
58.下面详细描述本技术的实施例，实施例的示例在附图中示出，其中自始至终相同
或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本技术，而不能理解为对本技术的限制。
59.下面参考附图描述本技术实施例的多场景两阶段需求响应资源优化调度方法、装置及设备。针对上述背景技术中提到的现有工业负荷聚合商需求响应资源优化调度方法不足的问题，本技术提供了一种多场景两阶段需求响应资源优化调度方法，在该方法中，基于所有设备资源的模型提取每个资源的6个关键响应指标并聚合后生成至少一个资源组，并对其资源组响应出力曲线进行多场景生成，通过场景聚类得到每个资源组的典型响应场景和关键指标，根据电网侧分配的需求响应指标，决策所有需求响应资源的响应时段和响应量，以最小化自身运行成本，同时满足电网侧需求响应量指标和自身运行约束，生成优化调度策略。由此，解决了现有工业负荷聚合商需求响应资源优化调度方法的不足，考虑了资源组响应的不确定场景，实现了工业负荷聚合商参与电网需求响应的资源优化调度控制，显著提升了工业负荷聚合商的运行效益。
60.具体而言，图1为本技术实施例所提供的一种多场景两阶段需求响应资源优化调度方法的流程示意图。
61.该实施例中，多场景两阶段需求响应资源优化调度方法主要包括三部分，如图2所示，分别为需求响应资源建模和分组、资源组需求响应多场景生成、多场景两阶段需求响应资源组调度优化决策，下面根据具体实施例进行详细阐述。
62.如图1所示，该多场景两阶段需求响应资源优化调度方法包括以下步骤：
63.在步骤s101中，基于所有设备资源的模型提取每个资源的6个关键响应指标，并聚合后生成至少一个资源组。
64.其中，在一些实施例中，6个关键响应指标包括响应容量、响应速率、恢复速率、最大响应持续时间、响应可信度和响应成本。
65.具体地，工业负荷聚合商对其管理的所有设备资源的技术参数和历史运行数据进行采集、统计和分析，对负荷资源进行精细化建模，提取如下各资源关键指标：
66.(1)响应容量q：为设备资源参与需求响应能提供的最大负荷调节量。
67.(2)响应速率ru：为设备资源在需求响应被调用时单位时间内可完成的最大负荷调节量。
68.(3)恢复速率rd：为设备资源在完成需求响应后单位时间内最大可恢复的负荷量。
69.(4)最大响应持续时间tm：为设备资源在需求响应被调用后，在不影响生产流程的前提下所能持续响应的最大时间。
70.(5)响应可信度y：由于工业生产流程中存在安全性、经济性或其他一些因素，以及设备本身可能出现异常运行状况，设备资源在需求响应被调用时不一定能保证100％成功响应，所以将成功响应概率定义为响应可信度。
71.(6)响应成本c：为设备资源参与需求响应实现单位容量负荷调节的运行成本。
72.工业负荷聚合商完成上述建模后，根据各个资源的技术和经济特性，对所有资源进行分组和聚合，获得一定数量的满足一定技术条件的资源组。资源分组和聚合过程可以依据历史运行经验和实际情况进行，也可以采用已有研究负荷聚合技术及其应用中相关方法进行优化。
73.在步骤s102中，对至少一个资源组的资源组响应出力曲线进行多场景生成，并通
过场景聚类得到每个资源组的典型响应场景和关键指标。
74.进一步地，在一些实施例中，通过场景聚类得到每个资源组的典型响应场景和关键指标，包括：构建资源组响应出力随机变量；基于资源组响应出力随机变量，通过随机采样模拟进行场景生成，对每个资源组生成需求响应出力场景，并将资源组需求响应出力场景削减为满足预设条件的典型响应场景。
75.进一步地，在一些实施例中，构建资源组响应出力随机变量，包括：根据设备资源的响应可信度指标获得任一资源响应状态随机变量的概率分布；基于概率分布获得任一资源的响应容量出力曲线随机变量；基于任一资源的响应容量出力曲线随机变量获得任一资源组的响应容量出力曲线随机变量。
76.具体地，工业负荷聚合商根据在上述步骤中建立的资源模型以及聚合后的资源组，由于每个资源响应的不确定性，对资源组响应出力曲线进行多场景生成，并通过场景聚类，获得每个资源组的典型响应场景和关键指标，包括以下步骤：
77.(1)构建资源组响应出力随机变量。
78.首先，根据上述步骤中的各资源响应可信度指标，获得任一资源i响应状态随机变量的概率分布为：
[0079][0080]
其中，为资源i的响应状态的随机变量，1表示成功响应，0表示未成功响应，满足0-1分布；yi为资源i的响应可信度；ωi为工业负荷聚合商响应资源的集合。
[0081]
其次，获得资源i的响应容量出力曲线随机变量为：
[0082][0083]
其中，pi为资源i的响应容量；s
i,t
表示资源i的响应状态，若资源i在t时刻正在响应，则s
i,t
＝1，否则s
i,t
＝0；ω
t
为响应时段的集合。
[0084]
在此基础上，获得任一资源组g的响应容量出力曲线随机变量为：
[0085][0086]
其中，g
g,i
表示资源i的分组状态，若资源i属于资源组g，则g
g,i
＝1，否则g
g,i
＝0；ωg表示资源组的集合。
[0087]
(2)多场景生成和聚类。
[0088]
根据公式(3)，通过随机采样模拟进行场景生成，对每个资源组生成大量的需求响应出力场景，以表征各资源组需求响应出力不确定性，再通过已有研究中的聚类算法，将数量庞大的资源组需求响应出力场景削减为有限的典型响应场景，以合理控制下一步骤的计算规模，防止优化模型过于庞大无法求解。
[0089]
在步骤s103中，基于每个资源组的典型响应场景和关键指标，根据电网侧分配的需求响应指标，决策所有需求响应资源的响应时段和响应量，以最小化自身运行成本，同时满足电网侧需求响应量指标和自身运行约束，生成优化调度策略。
[0090]
进一步地，在一些实施例中，基于每个资源组的典型响应场景和关键指标，根据电网侧分配的需求响应指标，决策所有需求响应资源的响应时段和响应量，以最小化自身运行成本，同时满足电网侧需求响应量指标和自身运行约束，生成优化调度策略，包括：根据日前获得的需求响应中标量，决策次日的资源组调用计划，生成第一阶段优化模型；对每个资源组的响应不确定性构建多个需求响应场景，并对每个典型场景均设置对应运行约束条件，决策每个资源组的响应出力曲线，生成第二阶段优化模型；将第一阶段优化模型和第二阶段优化模型联立，得到多场景两阶段需求响应资源调度优化决策模型，并求解多场景两阶段需求响应资源调度优化决策模型，得到工业负荷聚合商各资源组的优化调用结果以及各典型场景下各资源组的响应出力曲线。
[0091]
具体地，本技术实施例建立了一种多场景两阶段需求响应资源调度优化决策模型，在该模型中，工业负荷聚合商根据电网侧分配的需求响应指标，决策其内部所有需求响应资源的响应时段和响应量，以最小化自身运行成本，同时满足电网侧需求响应量指标和自身运行约束。整体流程包括两个阶段：第一阶段进行资源组的日前调用决策，根据日前获得的需求响应中标量，决策次日的资源组调用计划；第二阶段针对每个资源组的响应不确定性构建大量的需求响应场景，并对每个典型场景均设置一套运行约束条件，决策各资源组的响应出力曲线；最后，将两阶段优化模型联立，实现资源组调用优化与各资源组响应出力优化的两阶段建模和一体化优化。具体包括以下步骤：
[0092]
(1)确定优化模型的决策变量。
[0093]
其中，第一阶段模型的决策变量为：
[0094]
0-1变量，为资源组g的当前调用状态，若表示资源组g在t时刻处于调用状态，否则
[0095]
0-1变量，为资源组g的起始调用指示变量，若表示资源组g在t时刻开始被调用，否则
[0096]
连续变量，为资源组g的日前计划响应出力。
[0097]
第二阶段模型的决策变量为：
[0098]
连续变量，为场景s中资源组g的日内响应出力。
[0099]
(2)构建优化模型的决策变量。
[0100]
以第一阶段的资源组调用成本、响应量成本，以及第二阶段各场景下的响应量成本为目标函数，表达式如下：
[0101][0102]
其中：为资源组g的除响应容量成本外的单次调用成本；为资源组g的单位响应出力成本；ωs为典型响应场景集合；πs为场景s的概率。
[0103]
(3)确定第一阶段优化模型的约束条件。
[0104]
1)电网侧分配响应量约束：
[0105]
资源组的调用计划需满足电网侧分配给工业负荷聚合商的需求响应中标量
即表达式为：
[0106][0107]
2)资源组响应出力范围约束：
[0108][0109]
其中，为在步骤(1)进行资源分组时设置的资源组g的最大响应容量。
[0110]
3)资源组被调用次数约束：
[0111]
任一资源组g在整个调度时段中最多只能被调用一次，即表达式为：
[0112][0113]
4)资源组起始调用指示变量与当前调用状态变量关联约束：
[0114]
任一资源组g的起始调用指示变量与当前调用状态存在如下关联关系约束：
[0115][0116]
5)资源组调用持续时间约束：
[0117]
任一资源组g的调用持续时间不能超过在步骤(1)中进行资源分组时设置的该资源组的响应时间长度即表达式为：
[0118][0119]
6)资源组响应出力爬坡约束：
[0120][0121]
其中，分别为步骤(1)中进行资源分组时所形成的资源组g的响应速率和恢复速率。
[0122]
(4)确定第二阶段优化模型的约束条件。
[0123]
1)各场景下电网侧分配响应量约束：
[0124][0125]
2)各场景下资源组响应出力范围约束；
[0126][0127]
其中，为资源组g在典型响应场景s下的响应容量曲线。
[0128]
3)各场景下资源组响应出力爬坡约束：
[0129][0130]
通过上述决策变量目标函数式(4)以及约束条件表达式(5)-表达式(12)构成了本技术实施例提出的多场景两阶段需求响应资源调度优化决策模型。
[0131]
由此，通过求解该优化模型，本技术实施例可以得到工业负荷聚合商各资源组的优化调用结果以及各典型场景下各资源组的响应出力曲线。该结果一方面能够在日前阶段决策出合理的资源组选取结果，减少工业负荷聚合商在日内运行时的计算规模，另一方面考虑了日内阶段资源响应的不确定性场景，使得优化结果更加可靠。在实际日内运行时，工业负荷聚合商根据优化结果中各资源组的响应时段和响应出力对资源组进行调用，即可在满足电网侧响应量指标和自身运行约束的前提下，实现自身运行成本最小化。
[0132]
为便于为便于本领域技术人员进一步了解本技术实施例的多场景两阶段需求响应资源优化调度方法，下面结合具体实施例进行进一步详细说明。
[0133]
具体地，以某工业园区内的负荷聚合商a为例，阐述本技术实施例所提出的面向工业负荷聚合商的多场景两阶段需求响应资源优化调度方法，并验证本发明所实现的效果。
[0134]
进一步地，该工业负荷聚合商a所管理的可参与需求响应的负荷资源包括钢铁、水泥、纺织、金属制品等多个行业共900多个设备资源。其在日前申报参与电网侧次日11:00-13:00的需求响应，其中次日11:30-12:00中标15mw，12:00-12:30中标46mw，12:30-13:00中标37mw。
[0135]
工业负荷聚合商a按照本技术实施例提出的多场景两阶段需求响应资源优化调度方法的第一部分，对各需求响应资源进行建模，根据设备技术参数和历史运行数据，提取响应容量、响应速率、恢复速率、最大响应持续时间、响应可信度、响应成本等指标。其中，钢铁、金属制品行业设备资源的响应可信度y＝0.92，其它行业设备资源的响应可信度y＝0.96。在此基础上，工业负荷聚合商a根据各资源的技术和经济特性，并结合需求响应中标情况，在日前时段将所有设备资源配置为10组，每组响应时长为1小时，响应容量为10mw。以资源组1和资源组2为例，其内部资源组合配置情况如图3和图4所示。
[0136]
工业负荷聚合商a按照本技术实施例提出的多场景两阶段需求响应资源优化调度方法的第二部分，对10个资源组的响应情况进行随机采样，获得大量响应容量曲线场景，每个资源组采用kmeans算法选取其中的10个典型场景。以资源组1和资源组2为例，其典型响应容量曲线如图4和图5所示。
[0137]
工业负荷聚合商a按照本技术实施例提出的多场景两阶段需求响应资源优化调度方法的第三部分，建立多场景两阶段需求响应资源调度优化决策模型。其中，各典型响应场景概率πs设置为0.1。各资源组响应速率和恢复速率均为3mw/min。各资源组单次调用成本均为500元，单位响应成本如表1所示：
[0138]
表1
[0139]
资源组单位响应成本(元/mwh)资源组单位响应成本(元/mwh)
资源组1308资源组6339资源组2272资源组7331资源组3349资源组8315资源组4286资源组9291资源组5303资源组10321
[0140]
工业负荷聚合商a求解优化模型，得出各资源组的调用结果如表2所示：
[0141]
表2
[0142][0143][0144]
在第二阶段10个典型场景下的决策结果中，选择场景1-场景5的各资源组响应出力结果如图7-图11所示，从中可以看出，由于资源组2、4、5、9单位响应成本低，因此，在各典型场景中这4个资源组均被优先调用且实际响应功率均为该资源组的最大可响应容量。
[0145]
举例而言，以12:45-13:00时段为例分析本技术实施例实现的效果：在部分场景如场景3、4中，由于资源组1、2、4、9的累加典型响应出力较低，因此，成本相对较高的资源组10响应出力增加，以应对资源组1、2、4、9组内资源响应成功率较差带来的功率缺额。而在场景1、2、5中，成本较低的资源组1、2、4、9响应较好，因此，成本相对较高的资源组8无需提供响应。12:00-12:45时段也有类似结果。由此，通过本技术实施例提出的多场景两阶段需求响应资源调度优化方法，能够很好地考虑资源响应的不确定响应场景，在满足各场景相关约束的前提下，使整体响应成本最低。
[0146]
进一步地，作为对比，将本技术实施例提出的方法与传统的需求响应资源调度优化方法(不考虑响应不确定性)进行对比，后者优化计算出的资源调用结果如表3所示：
[0147]
表3
[0148]
资源组调用时段资源组调用时段资源组111:30-12:30资源组6未调用资源组212:00-13:00资源组7未调用资源组3未调用资源组812:30-13:00资源组412:00-13:00资源组912:00-13:00资源组511:30-12:30资源组10未调用
[0149]
由此可以看出，传统优化方法计算出的资源组调用个数比本技术实施例的计算结果要少1个(资源组10未被调用)，但由于没有考虑各资源组响应的不确信定性，其在日内运行过程中，若部分内部资源响应情况较差，将无法满足日内运行中的要求。而本技术实施例
提出的方法则能兼顾经济性和不确定性，对日前资源调用和日内运行响应场景进行统筹优化，显示出本发明的良好的现实意义和应用前景。
[0150]
根据本技术实施例的多场景两阶段需求响应资源优化调度方法，基于所有设备资源的模型提取每个资源的6个关键响应指标并聚合后生成至少一个资源组，并对其资源组响应出力曲线进行多场景生成，通过场景聚类得到每个资源组的典型响应场景和关键指标，根据电网侧分配的需求响应指标，决策所有需求响应资源的响应时段和响应量，以最小化自身运行成本，同时满足电网侧需求响应量指标和自身运行约束，生成优化调度策略。由此，解决了现有工业负荷聚合商需求响应资源优化调度方法的不足，考虑了资源组响应的不确定场景，实现了工业负荷聚合商参与电网需求响应的资源优化调度控制，显著提升了工业负荷聚合商的运行效益。
[0151]
其次参照附图描述根据本技术实施例提出的多场景两阶段需求响应资源优化调度装置。
[0152]
图12是本技术实施例的多场景两阶段需求响应资源优化调度装置的方框示意图。
[0153]
如图12所示，该多场景两阶段需求响应资源优化调度装置10包括：提取模块100、生成模块200和优化模块300。
[0154]
其中，提取模块100用于基于所有设备资源的模型提取每个资源的6个关键响应指标，并聚合后生成至少一个资源组；
[0155]
生成模块200用于对至少一个资源组的资源组响应出力曲线进行多场景生成，并通过场景聚类得到每个资源组的典型响应场景和关键指标；以及
[0156]
优化模块300用于基于每个资源组的典型响应场景和关键指标，根据电网侧分配的需求响应指标，决策所有需求响应资源的响应时段和响应量，以最小化自身运行成本，同时满足电网侧需求响应量指标和自身运行约束，生成优化调度策略。
[0157]
进一步地，在一些实施例中，6个关键响应指标包括响应容量、响应速率、恢复速率、最大响应持续时间、响应可信度和响应成本。
[0158]
进一步地，在一些实施例中，生成模块200，具体用于：
[0159]
构建资源组响应出力随机变量；
[0160]
基于资源组响应出力随机变量，通过随机采样模拟进行场景生成，对每个资源组生成需求响应出力场景，并将资源组需求响应出力场景削减为满足预设条件的典型响应场景。
[0161]
进一步地，在一些实施例中，生成模块200，还用于：
[0162]
根据设备资源的响应可信度指标获得任一资源响应状态随机变量的概率分布；
[0163]
基于概率分布获得任一资源的响应容量出力曲线随机变量；
[0164]
基于任一资源的响应容量出力曲线随机变量获得任一资源组的响应容量出力曲线随机变量。
[0165]
进一步地，在一些实施例中，优化模块300，具体用于：
[0166]
根据日前获得的需求响应中标量，决策次日的资源组调用计划，生成第一阶段优化模型；
[0167]
对每个资源组的响应不确定性构建多个需求响应场景，并对每个典型场景均设置对应运行约束条件，决策每个资源组的响应出力曲线，生成第二阶段优化模型；
[0168]
将第一阶段优化模型和第二阶段优化模型联立，得到多场景两阶段需求响应资源调度优化决策模型，并求解多场景两阶段需求响应资源调度优化决策模型，得到工业负荷聚合商各资源组的优化调用结果以及各典型场景下各资源组的响应出力曲线。
[0169]
根据本技术实施例的多场景两阶段需求响应资源优化调度装置，基于所有设备资源的模型提取每个资源的6个关键响应指标并聚合后生成至少一个资源组，并对其资源组响应出力曲线进行多场景生成，通过场景聚类得到每个资源组的典型响应场景和关键指标，根据电网侧分配的需求响应指标，决策所有需求响应资源的响应时段和响应量，以最小化自身运行成本，同时满足电网侧需求响应量指标和自身运行约束，生成优化调度策略。由此，解决了现有工业负荷聚合商需求响应资源优化调度方法的不足，考虑了资源组响应时的不确定场景，实现了工业负荷聚合商参与电网需求响应的资源优化调度控制，显著提升了工业负荷聚合商的运行效益。
[0170]
图13为本技术实施例提供的电子设备的结构示意图。该电子设备可以包括：
[0171]
存储器1301、处理器1302及存储在存储器1301上并可在处理器1302上运行的计算机程序。
[0172]
处理器1302执行程序时实现上述实施例中提供的多场景两阶段需求响应资源优化调度方法。
[0173]
进一步地，电子设备还包括：
[0174]
通信接口1303，用于存储器1301和处理器1302之间的通信。
[0175]
存储器1301，用于存放可在处理器1302上运行的计算机程序。
[0176]
存储器1301可能包含高速ram存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
[0177]
如果存储器1301、处理器1302和通信接口1303独立实现，则通信接口1303、存储器1301和处理器1302可以通过总线相互连接并完成相互间的通信。总线可以是工业标准体系结构(industry standard architecture，简称为isa)总线、外部设备互连(peripheral component，简称为pci)总线或扩展工业标准体系结构(extended industry standard architecture，简称为eisa)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图13中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
[0178]
可选的，在具体实现上，如果存储器1301、处理器1302及通信接口1303，集成在一块芯片上实现，则存储器1301、处理器1302及通信接口1303可以通过内部接口完成相互间的通信。
[0179]
处理器1302可能是一个中央处理器(central processing unit，简称为cpu)，或者是特定集成电路(application specific integrated circuit，简称为asic)，或者是被配置成实施本技术实施例的一个或多个集成电路。
[0180]
本实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上的多场景两阶段需求响应资源优化调度方法。
[0181]
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本技术的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任
一个或n个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
[0182]
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本技术的描述中，“n个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
[0183]
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更n个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本技术的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本技术的实施例所属技术领域的技术人员所理解。
[0184]
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或n个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(ram)，只读存储器(rom)，可擦除可编辑只读存储器(eprom或闪速存储器)，光纤装置，以及便携式光盘只读存储器(cdrom)。另外，计算机可读介质甚至可以是可在其上打印程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得程序，然后将其存储在计算机存储器中。
[0185]
应当理解，本技术的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，n个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
[0186]
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
[0187]
此外，在本技术各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
[0188]
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描
述了本技术的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本技术的限制，本领域的普通技术人员在本技术的范围内可以对上述实施例进行变化、修改、替换和变型。