基于调节前后节点电压约束的聚合温控负荷多层调控方法

技术领域

本发明属于聚合温控负荷多层调控策略技术领域，尤其涉及一种基于调节前后节点电压约束的聚合温控负荷多层调控方法。

背景技术

随着“双碳”目标的提出，新能源发电技术作为电力系统推广“双碳”目标的重要技术近年来得到了极大的发展。但是由于新能源发电自身的随机性和波动性，以及越来越庞大的负荷侧，使得电网安全稳定运行面临着新的挑战。传统电网调控方式已经不能满足新型电力系统的需求，亟需通过负荷侧手段对电网进行调控。在负荷侧可调节资源中，由于温控负荷，例如：空调负荷，热泵，电热水器，电冰箱等，能够对控制信号快速响应，还具有规模大，分布广泛的特点，往往被视为参与电网调控的重要发展对象。

现有关于聚合温控负荷多层调控策略的相关研究，都没有考虑温控负荷调节行为可能对电网运行的影响；此外在负荷聚合商参与调度时，通过市场的方式来对调节量进行分配，会导致部分聚合商不能参与调节行为，打消聚合商的积极性，并且采用市场机制会使得部分聚合商的调节能力得到全部应用，部分聚合商调节能力完全得不到运用，这种调节行为可能会导致电网某些节点电压调节前后偏差过大，对电网安全稳定造成一定的影响。

发明内容

针对现有技术中的上述不足，本发明提供的一种基于调节前后节点电压约束的聚合温控负荷多层调控方法引入分配机制，建立三层优化调度策略模型，并使用智能优化算法对其进行求解，保证电网的安全稳定运行和用户舒适度，解决了聚合温控负荷参与电网调度时，利用市场机制可能导致的不公平性问题和调节行为造成的电网安全不稳定问题。。

为了达到上述发明目的，本发明采用的技术方案为：

本发明提供一种基于调节前后节点电压约束的聚合温控负荷多层调控方法，包括电网调度层优化阶段、聚合商分配层优化阶段和负荷控制层优化阶段：

所述电网调度层优化阶段包括如下步骤：

S1、量化聚合温控负荷调节能力，得到负荷聚合商可调能力区间；

S2、基于负荷聚合商可调能力区间，得到负荷聚合商总调节量；

所述聚合商分配层优化阶段包括如下步骤：

A1、基于负荷聚合商总调节量，计算得到电网总线损；

A2、基于电网总线损，计算得到聚合商分配目标模型；

A3、基于聚合商分配目标模型，并利用多维PSO方法，得到单个聚合商调节量；

所述负荷控制层优化阶段包括如下步骤：

B1、基于单个聚合商调节量，利用插值法对用户不舒适度水平和室内温度进行拟合，得到用户的舒适度模型；

B2、基于用户的舒适度模型，得到用户舒适度优化目标模型；

B3、利用粒子群算法计算用户舒适度优化目标模型，得到各用户的温度调节量，完成基于调节前后节点电压约束的聚合温控负荷多层调控。

本发明的有益效果为：本发明提供的基于调节前后节点电压约束的聚合温控负荷多层调控方法，为了更好的激发负荷聚合商参与调控积极性，将优化分配方法引入到温控负荷多层调控策略模型中，建立三层优化调控模型，并且求解出了空调负荷的具体调节方案，并在进行优化分配时，考虑调节行为对电网的影响，将调节前后节点电压偏移作为优化约束，以电网总线损作为优化目标，保证电网安全稳定运行的同时，减低电网损耗。

进一步地，所述步骤S1包括如下步骤：

S11、构建单个空调负荷的二阶等效热参数模型：

其中，

S12、基于单个空调负荷的二阶等效热参数模型，构建空调负荷的开停参数：

其中，s(t+1)表示t+1时刻空调负荷开停参数，T

S13、基于单个空调负荷的二阶等效热参数模型和空调负荷的开停参数模型，得到空调负荷关闭时的室内温度模型、空调负荷开启时的室内温度模型以及功率模型；

所述空调负荷关闭时的室内温度模型、空调负荷开启时的室内温度模型以及功率模型表达式分别如下：

其中，T表示t+1时刻的室内温度，

S14、基于空调负荷的开停参数和功率模型计算得到空调负荷聚合功率P

其中，N表示空调负荷总数，P

S15、基于空调负荷关闭时的室内温度模型、空调负荷开启时的室内温度模型、空调负荷的开停参数以及空调负荷聚合功率P

P

其中，P

S16、基于空调负荷聚合商聚合功率P

[P

其中，P

采用上述进一步方案的有益效果为：提供负荷聚合商可调能力区间的计算方法，为计算得到负荷聚合商总调节量提供基础。

进一步地，所述步骤S2包括如下步骤：

S21、基于负荷聚合商可调能力区间，构建最小电网负荷峰值模型：

min(max(P

P

其中，P

S22、构建需求侧市场的实时电价与负荷总量线性模型：

P

其中，P

S23、基于需求侧市场的实时电价与负荷总量线性模型，构建负荷聚合商对用户补贴与需求侧响应消减量关系模型：

B＝k·P

L＝L

其中，B表示负荷聚合商对用户补贴，k表示聚合商对用户的补贴费用系数，L

S24、基于负荷聚合商对用户补贴与需求侧响应消减量关系模型，得到负荷聚合商的收益模型：

其中，G表示负荷聚合商的收益，P

S25、基于负荷聚合商的收益模型，得到电网调度层优化目标模型：

P

其中，P

S26、利用多目标遗传算法NSGA-II对电网调度层优化目标模型进行求解，得到负荷聚合商总调节量。

采用上述进一步方案的有益效果为：提供负荷聚合商总调节量的计算方法，为聚合商分配层优化提供聚合商调节量信息。

进一步地，所述步骤A1包括如下步骤：

A11、基于负荷聚合商总调节量，计算电网中各输电线路的潮流；

所述电网中各输电线路的潮流计算表达式如下：

v

l

l

其中，v

A12、基于电网中各输电线路的潮流，计算得到电网总线损：

其中，P

采用上述进一步方案的有益效果为：提供电网总线损计算方法，为得到聚合商分配目标模型提供基础。

进一步地，所述步骤A2中聚合商分配目标模型的表达式如下：

其中，vdiff

采用上述进一步方案的有益效果为：提供聚合商分配目标模型的计算方法，为得到单个聚合商调节量提供基础。

进一步地，所述步骤B1中用户的舒适度模型的表达式如下：

其中，PDD表示用户对室内温度不满意度，a′表示正比例系数，

采用上述进一步方案的有益效果为：提供用户的舒适度模型计算方法，为得到用户舒适度优化目标模型提供基础。

进一步地，所述步骤B2包括如下步骤：

B21、基于用户的舒适度模型，得到单个用户不舒适水平χ：

B22、基于单个用户不舒适水平χ，得到用户舒适度优化目标模型：

R

其中，

采用上述进一步方案的有益效果为：提供用户舒适度优化目标模型的计算方法，为得到各用户的温度调节量提供基础。

进一步地，所述步骤B3包括如下步骤：

B31、定义粒子群算法优化变量数与用户舒适度优化目标模型中用户总数相同，得到粒子位置：

g(t+1)＝c

其中，x(t+1)表示t+1时刻的粒子位置，x(t)表示t时刻的粒子位置，g(t+1)表示t+1时刻的粒子方向向量，sig(c)表示粒子在每个维度度正负方向上的随机游动，c

采用上述进一步方案的有益效果为：提供粒子群算法求解用户舒适度优化目标模型中粒子位置的计算方法，为得到各用户的温度调节量提供基础。

进一步地，基于粒子位置，得到各用户的温度调节量，完成基于调节前后节点电压约束的聚合温控负荷多层调控。

采用上述进一步方案的有益效果为：通过粒子位置得到各用户的温度调节量，实现对聚合温控负荷的多层调控。

附图说明

图1为本发明实施例中基于调节前后节点电压约束的聚合温控负荷多层调控方法的步骤流程图。

图2为本发明实施例中单个空调负荷的二阶等效热参数模型。

图3为本发明实施例中基于IEEE33节点配网系统进行聚合温控负荷多层调控策略仿的网络拓扑图。

图4为本发明实施例中新能源出力和空调负荷调控点负荷情况预测图。

图5为本发明实施例中温度变化预测图。

图6为本发明实施例中以负荷峰值最小和负荷聚合商利益最大为目标的帕累托曲线。

图7为本发明实施例中日负荷曲线图。

图8为本发明实施例中分配层优化阶段优化算法收敛过程示意图。

图9为本发明实施例中负荷聚合商1的空调负荷曲线。

图10为本发明实施例中负荷聚合商1的温度改变量曲线。

图11为本发明实施例中负荷聚合商1管辖各用户得到的补贴图。

具体实施方式

下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

实施例1

如图1所示，在本发明的一个实施例中，本发明提供一种基于调节前后节点电压约束的聚合温控负荷多层调控方法，包括电网调度层优化阶段、聚合商分配层优化阶段和负荷控制层优化阶段：

所述电网调度层优化阶段包括如下步骤：

S1、量化聚合温控负荷调节能力，得到负荷聚合商可调能力区间；

所述步骤S1包括如下步骤：

如图2所示，针对单个空调负荷模型，常常用等效热参数模型进行描述，等效热参数(equivalent thermal parameter,ETP)模型就是通过将空调负荷所处空间与外界进行能量交换的过程，用一个包含等效热阻和等效热容的电路来描述，这种模型往往适用于家庭用户的空调模型建模。

S11、构建单个空调负荷的二阶等效热参数模型：

其中，

S12、基于单个空调负荷的二阶等效热参数模型，构建空调负荷的开停参数：

其中，s(t+1)表示t+1时刻空调负荷开停参数，T

当室内温度大于温度最大限值时，负荷开启；小于最小限值时，负荷关闭；

S13、基于单个空调负荷的二阶等效热参数模型和空调负荷的开停参数模型，且在忽略墙体参数的情况下，得到空调负荷关闭时的室内温度模型、空调负荷开启时的室内温度模型以及功率模型；

所述空调负荷关闭时的室内温度模型、空调负荷开启时的室内温度模型以及功率模型表达式分别如下：

其中，T

S14、基于空调负荷的开停参数和功率模型计算得到空调负荷聚合功率P

其中，N表示空调负荷总数，P

S15、基于空调负荷关闭时的室内温度模型、空调负荷开启时的室内温度模型、空调负荷的开停参数以及空调负荷聚合功率P

P

其中，P

S16、基于空调负荷聚合商聚合功率P

[P

其中，P

电网往往看重运行的稳定性和安全性；聚合商往往关心自身可获得的利益；新能源出力的消纳也是一个需要关注的问题，所以在调度层中，本方案在新能源全部被消纳的前提下，考虑电网负荷峰值和聚合商利益建立优化模型；电网峰值是影响电网安全稳定运行的重要因素，电网峰值过大，可能会给电力系统某些设备带来不可逆的损害，所以电网负荷峰值往往也被作为电力系统优化调度的考虑因素之一；

S2、基于负荷聚合商可调能力区间，得到负荷聚合商总调节量；

所述步骤S2包括如下步骤：

S21、基于负荷聚合商可调能力区间，构建最小电网负荷峰值模型：

min(max(P

P

其中，P

在电网调度层面，为了提高用户积极性，负荷聚合商向电网提供需求侧响应资源，电网支付一定的费用；用户向负荷聚合商提供调节服务，聚合商给与用户一定的补贴，因此，将负荷聚合商可获得总利益作为调度层的另一个目标；

电网公司对负荷聚合商的参与需求侧响应电量的电价通常是采用需求侧响应市场的实时电价，这个电价与负荷总量存在着一定的线性关系；

S22、构建需求侧市场的实时电价与负荷总量线性模型：

P

其中，P

S23、基于需求侧市场的实时电价与负荷总量线性模型，构建负荷聚合商对用户补贴与需求侧响应消减量关系模型：

B＝k·P

L＝L

其中，B表示负荷聚合商对用户补贴，k表示聚合商对用户的补贴费用系数，L

S24、基于负荷聚合商对用户补贴与需求侧响应消减量关系模型，得到负荷聚合商的收益模型：

其中，G表示负荷聚合商的收益，P

S25、基于负荷聚合商的收益模型，得到电网调度层优化目标模型：

P

其中，P

S26、利用多目标遗传算法NSGA-II对电网调度层优化目标模型进行求解，得到负荷聚合商总调节量和总利益；

在得到总负荷聚合商的调节量之后，下一步就是进行调节量的分配，在进行分配时，由于各负荷聚合商能够调控的空调负荷具有一定的空间差异性，所以在进行分配时，充分考虑调控行为对电网运行的影响；

由于输电线路存在电阻，在输电过程中存在一定的线路损耗，系统线路损耗作为表示电网运行效率的重要参数，线损过大，表示电网在输电过程中损失较大；

本方案将电网线损作为分配层的优化目标，通过潮流计算来求的系统总线损。

所述聚合商分配层优化阶段包括如下步骤：

A1、基于负荷聚合商总调节量，计算得到电网总线损；

所述步骤A1包括如下步骤：

A11、基于负荷聚合商总调节量，计算电网中各输电线路的潮流；

所述电网中各输电线路的潮流计算表达式如下：

v

l

l

其中，v

A12、基于电网中各输电线路的潮流，计算得到电网总线损：

其中，P

电压是衡量电网稳定的重要指标，故在调控过程中，节点电压变化也需要去考虑；

A2、基于电网总线损，计算得到聚合商分配目标模型；

所述步骤A2中聚合商分配目标模型的表达式如下：

其中，vdiff

A3、基于聚合商分配目标模型，并利用多维PSO方法，得到单个聚合商调节量；

在单个负荷聚合商对管辖下的空调负荷进行控制上，从用户角度出发，优化重心在于用户的舒适度；热舒适度模型是对用户的不舒适度进行量化，描述用户对室温不满意度的常用模型，由于不舒适度主要与室内温度有关，因此假定其他因素都是常数，然后利用插值法对用户不舒适度水平和室内温度进行拟合；

所述负荷控制层优化阶段包括如下步骤：

B1、基于单个聚合商调节量，利用插值法对用户不舒适度水平和室内温度进行拟合，得到用户的舒适度模型；

所述步骤B1中用户的舒适度模型的表达式如下：

其中，PDD表示用户对室内温度不满意度，a′表示正比例系数，

B2、基于用户的舒适度模型，得到用户舒适度优化目标模型；

所述步骤B2包括如下步骤：

B21、基于用户的舒适度模型，得到单个用户不舒适水平χ：

在进行优化的同时，还需要考虑温度设定值改变之后，空调负荷聚合功率约束，由于负荷聚合商管辖下的空调负荷具有异质性，导致温度控制得到的日负荷曲线与聚合商层面得到的最优日负荷曲线不会完全一致，所以将温度设定值改变之后的日负荷曲线与上层最优日负荷曲线之间的拟合率作为用户层面优化模型的功率约束；

B22、基于单个用户不舒适水平χ，得到用户舒适度优化目标模型：

R

其中，

B3、利用粒子群算法计算用户舒适度优化目标模型，得到各用户的温度调节量，完成基于调节前后节点电压约束的聚合温控负荷多层调控；

粒子群算法由于其计算速度快、算法逻辑清楚等特点，经常被用来求解优化个体数量较多的优化问题，由于用户调节行为呈现多样性，当前空调负荷的设定温度调节量都为整数，需要得到每个用户的具体温度调节量，本方案引入基于粒子群算法的整数规划，来对用户层面优化模型进行求解，在粒子群算法中，为了得到每个用户的温度调节量，算法优化变量数目与用户总数相同，在此基础上，通过对粒子群算法的位置更新公式进行改进，进行整数规划；

所述步骤B3包括如下步骤：

B31、定义粒子群算法优化变量数与用户舒适度优化目标模型中用户总数相同，得到粒子位置：

g(t+1)＝c

其中，x(t+1)表示t+1时刻的粒子位置，x(t)表示t时刻的粒子位置，g(t+1)表示t+1时刻的粒子方向向量，sig(c)表示粒子在每个维度度正负方向上的随机游动，c

B32、基于粒子位置，得到各用户的温度调节量，完成基于调节前后节点电压约束的聚合温控负荷多层调控。

实施例2

如图3所示，在本发明的一个实用实例中，本发明基于IEEE33节点配网系统进行聚合温控负荷多层调控策略仿真，在IEEE 33节点配电网络的基础上，如网络拓扑图所示，假设在图中三个区域存在着空调负荷聚合商，空调负荷聚合商的空调负荷调控点如图所示，在这些调控点中不仅有网络原有的恒定不变的负荷量，还有随时间改变的基础负荷，以及受到调控的空调负荷；并且在图中标注的新能源接入点中有一定的新能源接入；第二天新能源出力和空调负荷调控点负荷(除去空调负荷)预测情况如图4所示，第二天温度变化预测如图5所示；

在温度变化的基础上，各负荷聚合商管理1000台空调负荷，负荷相关参数分布情况如表1所示：

表1

分别利用蒙特卡洛模拟出各个聚合商下的1000组数据；在温度变化的基础上，对各负荷聚合商的最大调节能力(设定值改变3℃)进行量化，各时间的调节能力分别如下所示：

负荷聚合商1各时刻最大调节能力如表2所示：

表2

负荷聚合商2各时刻最大调节能力如表3所示：

表3

负荷聚合商3各时刻最大调节能力如表4所示：

表4

调度层优化阶段：

新能源、电网和总负荷聚合商组成调度层，以负荷峰值最小和负荷聚合商利益最大为目标，利用NSGA-II多目标优化算法，得到帕累托曲线，如图6所示，其中横坐标表示负荷聚合商的总利益，纵坐标表示负荷峰值，优先考虑负荷峰值最小，选取优化结果，得到此时日负荷曲线如图7所示，此时负荷峰值为14406.061kW，负荷聚合商为电网提供了1457.283kW的调峰能力，节约了12241kW.h电量，聚合商获得利益为7588.988元，用户补贴11386.5128元。

此时负荷聚合商总调节量如表5所示：

表5

分配层优化阶段：

在得到负荷聚合商各时刻的总调节量后，考虑负荷聚合商在节点系统网络拓扑上的分布情况，以系统网损最小为目标，保证调节前后各节点电压偏移在-5％—5％之间，利用多维度粒子群优化算法，得到各负荷聚合商的调节量。

优化算法收敛过程如图8所示，各聚合商的调节量如表6所示：

表6

得到聚合商调节量后，根据各聚合商一天内的总调节量对聚合商利益进行分配，分配结果和各聚合商利益如分别如表7和表8所示：

表7

表8

控制层优化阶段：

如图9和图10所示，在得到每个负荷聚合商的调节量后，通过改变空调负荷温度设定值，以用户舒适度水平最佳为优化目标，来进行调控，利用粒子群整数规划算法进行优化求解，得到负荷聚合商1(AGG1)的两曲线拟合率为0.9124，且用户舒适度水平为2363，负荷聚合商2(AGG2)的两曲线拟合率为0.9008，且用户舒适度水平为2622，负荷聚合商3(AGG3)的两曲线拟合率为0.9149，且用户舒适度水平为2280；

由于空调负荷实际负荷曲线与期望负荷曲线存在一定的误差，利用各负荷聚合商配置的储能进行误差消减，用户补贴要减去储能出力(0.2元/kW.h)花费费用，得到用户补贴和负荷聚合商获得利益分别如表9和表10所示：

表9

表10

如图11所示，对单个用户在调节行为中的贡献率进行量化：针对单个用户，考虑1000户相同参数的用户，在各温度改变量下计算整个调节时间段中的每一时刻平均调节能力，然后再根据控制层优化结果得到的温度改变量，去对用户补贴进行分配。