一种具有随机性的用于多时间尺度协调的有序用电负荷调度方法与流程

本发明涉及智能电网用电管理领域，更具体地，涉及一种具有随机性的用于多时间尺度协调的有序用电负荷调度方法。

背景技术：

随着我国经济的发展，各行各业对电力能源的需求不断增加，传统的增加发电机容量的方法受到建设成本、发电效率和环境保护等因素的制约，已不能满足用户的不断增长的电力能源需求。因而需研究先进的有序用电管理方法，以实现在现有发电容量下的最大用电效率。

现有技术(CN:201610003984)提出了一种方案，该方案涉及一种基于最优控制模型的典型负荷有序用电方法，根据用电负荷特性和台变侧公布的分时电价和反向发电的补贴方案，建立数学模型，设定优化目标函数和可行域；通过求解一个最优控制模型获得每个用电负荷在每个时段的最优用电调度策略值得到典型负荷有序用电控制方案。基于最优控制理论，给出基于最优的自调整用电策略，以达到用户降低用电成本的目的，同时兼顾了电网供电要求。

但是现有技术，没有依据用户公电负荷的历史数据对用户进行归类，并且没有考虑用户用电负荷预测的随机性与不确定性以及用户的用电价值、用户满意度等因素，不能实现有序用电调度模型的精细化管理。现有技术没有考虑用电负荷预测在不同时间尺度时间的耦合，现有技术在实际应用中适应性较差。

技术实现要素：

本发明提出了一种具有随机性的用于多时间尺度协调的有序用电负荷方法，以解决对用电用户基于历史数据进行分类，并且从周时间尺度与日时间尺度以及相互之间进行耦合协调的用户用电电负荷调度问题。

为了解决上述问题，本发明提供了一种一种具有随机性的用于多时间尺度协调的有序用电负荷调度方法，本方法包括：

获取原始数据；

将所述原始数据代入到周时间尺度有序用电负荷调度模型，求得周时间尺度调度方案，所述周时间尺度调度方案至少包括轮休、削峰、时段错峰调度手段；

在所述周时间尺度调度方案基础上结合日时间尺度有序用电调度模型，求得日时间尺度协调的调度方案，所述日时间尺度调度方案至少包括移峰填谷调度手段；

其中，所述周时间尺度有序用电负荷调度模型通过如下步骤建立，提取用户用电负荷特征曲线，对用户进行分类并设计用电负荷分类特征指标；建立用户的用电价值评分方法，并且基于用电价值评分方法为每种类型用户设计用电负荷调度方案；

所述日时间尺度有序用电调度模型基于具有随机性的所述周时间尺度有序用电负荷调度模型建立。

优选地，所述获取原始数据还包括：

提取用户用电负荷特征曲线，对用户进行分类并设计用电负荷分类特征指标；

基于用户历史用电数据，根据基于密度的聚类算法DBSCAN，提取用户的特征用电负荷；

基于用户的特征用电负荷，随机选取k个用户的特征用电负荷作为质心，利用K-means聚类法，划分用户聚类簇；

选取用电负荷特征指标，计算各个簇用电负荷特征指标分布值，确认 不同簇之间的区分点，以此设计特征指标，用于量化每种负荷簇之间的区别，以及判定单一用户所属负荷簇类型。

优选地，所述建立用户的用电价值评分方法，并且基于用电价值评分方法为每种类型用户设计用电负荷调度方案：

建立用户用电价值评分指标并赋予不同的权重，计算用户用电价值评分；

用户用电调度顺序采用从用电价值低分到高分的顺序进行；

用户根据自身用电负荷曲线形态及调度顺序申报参与的调度方案及参与调度的用电负荷量，经过确认后加入有序用电负荷调度数据库，形成用户用电负荷调度方案。

优选地，所述建立周时间尺度有序用电负荷调度模型模型包括：

所述周时间尺度有序用电负荷调度模型以用户参与各用电负荷调度方案总成本和输电线路中网络损耗成本之和最小为目标函数；

并且构建周时间二次约束，所述周时间尺度有序用电负荷调度模型满足周时间二次约束条件。

优选地，所述日时间尺度有序用电调度模型基于具有随机性的所述周时间尺度有序用电负荷调度模型建立包括：

所述日时间尺度有序用电调度模型根据用户参与方式计算控制成本，并与用户用电价值的乘积作为修正控制成本建立目标函数；

构建日时间二次约束，所述日时间尺度有序用电调度模型满足日时间二次约束条件。

基于本发明另一实施方式，本发明提供一种具有随机性的用于多时间尺度协调的有序用电负荷调度系统，本系统包括：

获取模块，用于获取原始数据；

计算模块，用于将所述原始数据代入到周时间尺度有序用电负荷调度模型，求得周时间尺度调度方案，所述周时间尺度调度方案至少包括轮休、削峰、时段错峰调度手段；以及

用于将所述原始数据代入到日时间尺度有序用电调度模型，求得日时 间尺度协调的调度方案，所述日时间尺度调度方案至少包括移峰填谷调度手段；

其中，所述周时间尺度有序用电负荷调度模型通过如下步骤建立，提取用户用电负荷特征曲线，对用户进行分类并设计用电负荷分类特征指标；建立用户的用电价值评分方法，并且基于用电价值评分方法为每种类型用户设计用电负荷调度方案；

所述日时间尺度有序用电调度模型基于具有随机性的所述周时间尺度有序用电负荷调度模型建立。

优选地，所述获取模块用于：

基于用户历史用电数据，根据基于密度的聚类算法DBSCAN，提取用户的特征用电负荷；

基于用户的特征用电负荷，随机选取k个用户的特征用电负荷作为质心，利用K-means聚类法，划分用户聚类簇；

选取用电负荷特征指标，计算各个簇用电负荷特征指标分布值，确认不同簇之间的区分点，以此设计特征指标，用于量化每种负荷簇之间的区别，以及判定单一用户所属负荷簇类型。

优选地，所述计算模块用于：

建立用户用电价值评分指标并赋予不同的权重，计算用户用电价值评分；

用户用电调度顺序采用从用电价值低分到高分的顺序进行；

用户根据自身用电负荷曲线形态及调度顺序申报参与的调度方案及参与调度的用电负荷量，经过确认后加入有序用电负荷调度数据库，形成用户用电负荷调度方案。

优选地，所述周时间尺度有序用电负荷调度模型以用户参与各用电负荷调度方案总成本和输电线路中网络损耗成本之和最小和目标函数；

并且构建周时间二次约束，所述周时间尺度有序用电负荷调度模型满足周时间二次约束条件。

优选地，所述日时间尺度有序用电调度模型根据用户参与方式计算控 制成本，并与用户用电价值的乘积作为修正控制成本建立目标函数；

构建日时间二次约束，所述日时间尺度有序用电调度模型满足日时间二次约束条件。

本发明的有益效果为：

本发明提出的技术方案，基于历史用电数据对用户进行分类，并且在设计调度方案时考虑到有序用户用电存在周时间与日时间之间的耦合，因此在有序用电调度中考虑了周和日两种不同时间尺度的调度模型。另外，考虑到用户负荷预测值在周时间尺度上具有较大的随机性和不确定性，在周时间尺度上通过场景方法表现负荷预测的随机性，建立考虑负荷预测随机性的周时间尺度有序用电调度模型；而日前负荷的预测值较为准确，则在日时间尺度上建立基于周时间调度方案的日时间尺度有序用电调度模型，以对周调度方案进行微调和修正。考虑负荷预测随机性的多时间尺度协调的有序用电调度方案在实际应用中针对用户负荷的变化具有更强的适应性和鲁棒性。

附图说明

通过参考下面的附图，可以更为完整地理解本发明的示例性实施方式：

图1为根据本发明实施方式的一种具有随机性的用于多时间尺度协调的有序用电负荷调度方法流程图；以及

图2为根据本发明实施方式的一种具有随机性的用于多时间尺度协调的有序用电负荷调度系统结构图。

具体实施方式

现在参考附图介绍本发明的示例性实施方式，然而，本发明可以用许多不同的形式来实施，并且不局限于此处描述的实施例，提供这些实施例是为了详尽地且完全地公开本发明，并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中，相同的单元/元件使用相同的附图标记。

除非另有说明，此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外，可以理解的是，以通常使用的词典限定的术语，应当被理解为与其相关领域的语境具有一致的含义，而不应该被理解为理想化的或过于正式的意义。

图1为根据本发明实施方式的一种具有随机性的用于多时间尺度协调的有序用电负荷调度方法流程图。根据本发明的实施方式，一种具有随机性的用于多时间尺度协调的有序用电负荷调度方法100从步骤101起步：获取原始数据。获取用户电用负荷历史数据作为用电负荷原始数据。

提取用户用电负荷特征曲线，对用户进行分类并设计用电负荷分类特征指标。基于用户历史用电数据，根据基于密度的聚类算法DBSCAN，提取用户的特征用电负荷；基于用户的特征用电负荷，随机选取k个用户的特征用电负荷作为质心，利用K-means聚类法，划分用户聚类簇；选取用电负荷特征指标，计算各个簇上用电负荷特征指标分布值，确认不同簇之间的区分点，以此设计特征指标，用于量化每种负荷簇之间的区别，以及判定单一用户所属负荷簇类型。

优选地，本发明实施方式采用DBSCAN聚类方法提取单一用户的特征负荷曲线，具体实现方式如下:

对于某一用户，从历史用电数据中选取D天的96点日时间用电负荷数据Pd_d,t(d＝1,2,…,D,t＝1,2,…,96)用于聚类。选取聚类半径r＝Pd_max/5，其中Pd_max为Pd_d,t中的最大值。对某个时间点j的D天数据集合Pd_d,j(d＝1,2,…,D)，统计其中每一个点半径为r的邻域内点的数量C_d，则所有点的统计结果为C＝{C₁,C₂,...,C_D}。找出C中的最大值C_m，对应的Pd_m,j就是要寻找的时间点j的质心。所有时间点的质心构成该用户的特征用电负荷。

基于用户特征负荷曲线，采用K-means方法对用户进行聚类，具体实现方式如下：

步骤1，从N个用户中随机选取k个用户的特征负荷作为质心；

步骤2，对剩余的每个用户，测量其特征负荷到每个质心的距离，并把特征负荷归到最近的质心类；

步骤3，重新计算每个负荷簇的质心；

步骤4，重复步骤2、步骤3，直至质心不再变化或与前一步得到的质心距离小于指定阈值。

本发明实施方式中，聚类距离使用欧氏距离，减少用户波动对聚类效果的影响。使用效果评估函数用于确定最佳聚类数目：其中C_i与C_j为不同的负荷簇，Sim(p,q)为特征负荷p与q的余弦距离，k为K-means聚类的分组数。

设计特征负荷指标以定量分类用户，具体实现方式如下：

选择峰时段用电负荷率、谷时段用电负荷率、峰时段之间的用电负荷比、峰谷时段用电负荷比等指标，使用前一步聚类得到的确定用电负荷簇，计算各个簇的上述指标值的分布范围，寻找簇与簇之间的区分点，以此设计特征负荷指标，用于量化每种负荷簇之间的区别，以及判定单一用户所属负荷簇类型。

优选地，建立用户的用电价值评分方法，并且基于用电价值评分方法为每种类型用户设计用电负荷调度方案。优选地，建立用户用电价值评分指标并赋予不同的权重，计算用户用电价值评分。用户用电调度顺序采用从用电价值低分到高分的顺序进行。用户根据自身用电负荷曲线形态及调度顺序申报参与的调度方案及参与调度的用电负荷量，经过确认后加入有序用电负荷调度数据库，形成用户用电负荷调度方案。本发明的实施方式中，选择以下参数作为用户用电价值的评分指标：可避免峰荷容量费用；可避免煤耗；用户参与有序用电得到的补偿；网损率；产值电耗；用户增 加的管理费用；用户的配合度、信用度；用户历史参与错峰额度。通过预先决策设定每个指标的权重，并且设置各项指标评分均为百分制。对每个用户的用电价值进行评分，总分越高的用户用电价值越高。在有序用电调度中，优先考虑让用电价值较低的用户参与调度。

根据用户的用电负荷曲线形态以及用电量，向用户建议合适的调度方案，用户根据建议和自己的实际情况，申报可以参与的调度方案以及各个调度方案参与的负荷量，经过确认后加入有序用电调度方案数据库，形成用户用电负荷调度方案。

优选地，步骤102：将原始数据代入到周时间尺度有序用电负荷调度模型，求得周时间尺度调度方案，周时间尺度调度方案至少包括轮休、削峰、时段错峰调度手段。周时间尺度有序用电负荷调度模型以用户参与各用电负荷调度方案总成本和输电线路中网络损耗成本之和最小和目标函数。并且构建周时间二次约束，周时间尺度有序用电负荷调度模型满足周时间二次约束条件。

优选地，本发明实施方式在考虑负荷预测随机性的周时间尺度有序用电调度模型中，以用户参与各项调度产生的总成本与线路中网络损耗成本之和最小为目标函数；以满足电网容量缺口、用户日常参与方式、电力系统新峰约束、线路潮流限制、各个节点发电机的最大容量作为约束条件，构成二次约束规划模型。基于用户负荷周前预测值，通过拉丁超立方采样和场景消减的方法生成N_s个随机场景及其概率。考虑到调度方案中的轮休、削峰、时段错峰三种手段不适合日前微调，因此在周时间尺度模型求解中确定下来，这三种手段在日时间尺度调度模型中不再进行变化。在周时间尺度调度模型中，调度方案需要满足每一种随机场景的约束，从而达到最大的适应性。移峰填谷作为日时间尺度调度手段，在周时间尺度调度模型的每一种场景中分别考虑，相互独立。考虑负荷预测随机性的周时间尺度调度模型的目标函数表达式为：

其中，P(j)为场景j发生的概率，N_u为用户数，λ_i为用户i用电价值； 依次表示为在场景j中用户i参与轮休，第k天用户i参与移峰填谷、第k天用户i参与时段错峰、第k天用户i参与避峰的控制成本，为场景j中第k天时段t的网损成本，N_T为高峰时段集合。各项参数的数学表达式为：

其中，为0-1变量，取1时表示用户i在第k天实行轮休，取0时表示用户i在第k天不实行轮休。ξ^d为轮休惩罚系数。h为时段错峰小时数，为负时表示提前|h|小时，为正时表示延后h小时，为0-1变量，取1时表示用户i在第k天进行了h小时的时段错峰，取0时表示用户i在第k天不进行了h小时的时段错峰，ξ^trans为时段错峰惩罚系数。为0-1变量，取1时表示在场景j中第k天用户i参与了β档移峰填谷，取0时表示在场景j中第k天用户i不参与β档移峰填谷，为移峰填谷惩罚系数。为用户i在t时刻β档的移峰填谷修正量。为0-1变量，取1时表示用户i在第k天参与了削峰调度，取0时表示用户i在第k天不参与削峰调度，ξ^clip为削峰惩罚系数。为用户参与削峰调度的负荷总和。ξ^loss为网损惩罚系数，为节点n在第k天t时刻的发电机功率，N_gen为系统中有发电机的节点的集合。为第i个用户第k天时段t的负荷功率， 为用户i工作日时段t的负荷，为用户i休息日时段t的负荷， 为用户i参与时段错峰h小时时段t的负荷修正量，为用户i参与β档移峰填谷时时段t的负荷修正量，为用户i参与避峰时时段t的负荷修正量，Δt为时段t的时长。

惩罚系数作为体现几种调度手段基本调用顺序的参数，即，当优先级较低的控制手段A的调用发生时，对控制手段A所可能付出的最小成本应不低于高一优先级的控制手段B用尽时对控制手段B所付出的总成本，这在数学上，可用如下控制成本系数不等式组描述：

其中，为可参与β档移峰填谷的用户集，为可参与时段错峰的用户集，φ_clip为可参与避峰的用户集。

在周时间尺度有序用电调度方案中，对每个场景分别独立考虑区域电网供需缺口约束、日常参与方式约束、轮休错峰约束、移峰填谷约束、新峰约束、直流潮流约束以及发电机节点约束、节点功率平衡约束。

对于场景j，约束条件的数学表达式为：

区域电网供需缺口约束：有序用电后每个时段的用户总负荷不得高于电网发电机最大功率：

其中，为第k天t时刻的备用电力，为第k天t时刻预测的用户i负荷，为电网最大供电容量，为有序用电负荷修正量， 数学表达式为：

日常参与方式约束：用户每天最多只能参与一种调度方案，每周最多参与一次轮休，以保证用户正常用电。为多场景共用变量，需要满足每个场景下的所有约束条件；而只需满足其所在场景的相关约束条件：

移峰填谷约束：用户优先参与档位较低，操作较容易的移峰填谷调度方案：

若用户需要参与第二档或第三档移峰填谷，则满足上式的必要条件为即已经参与一档移峰填谷。

峰约束：非高峰时段的备用电力不应少于高峰时段备用电力的平均，以避免高峰时段用电的过量转移在其他时段筑起新的用电高峰，从而保证负荷高峰不畸变：

直流潮流约束：电力系统中每条支路上的直流潮流不应超过该支路可以承受的潮流上下限。

为节点o流向节点p的有功潮流，与分别为第k天t时刻节点o与p的电压相角，x_op为支路op上的电抗，g_op为支路op的电导， P_l、分别为支路上直流潮流的上下限。

发电机节点约束：存在发电机的节点，其负荷消耗量与流出该节点的潮流之和不应超过该节点发电机容量的上下限：

其中，为第k天t时刻节点n发电机功率，为节点n所有用户的用电量总和，与为节点n发电机功率上下限。

节点功率平衡约束：在非发电机的节点，负荷消耗量与流出该节点的潮流之和为零：

优选地，步骤103：在所述周时间尺度调度方案基础上结合日时间尺度有序用电调度模型，求得日时间尺度协调的调度方案，日时间尺度调度方案至少包括移峰填谷调度手段。日时间尺度有序用电调度模型根据用户参与方式计算控制成本，并与用户用电价值的乘积作为修正控制成本建立目标函数。构建日时间二次约束，日时间尺度有序用电调度模型满足日时间二次约束条件。

优选地，在日时间尺度有序用电调度模型中，根据用户参与方式计算控制成本，并与用户用电价值的乘积作为修正控制成本计入目标函数。对于第k天，目标函数的表达式为：

其中各项

其中N_u为用户数，λ_i为用户i用电价值；依次表示为用户i参与轮休，第k天用户i参与移峰填谷、第k天用户i参与时段错峰、第k天用户i参与避峰的控制成本，为第k天时段t的网损成本，N_T为高峰时段集合：

其中，为0-1变量，取1时表示用户i在第k天实行轮休，取0时表示用户i在第k天不实行轮休。ξ^d为轮休惩罚系数。h为时段错峰小时数， 为负时表示提前|h|小时，为正时表示延后h小时，为0-1变量，取1时表示用户i在第k天进行了h小时的时段错峰，取0时表示用户i在第k天没有进行h小时的时段错峰，ξ^trans为时段错峰惩罚系数。为0-1变量，取1时表示在第k天用户i参与了β档移峰填谷，取0时表示第k天用户i不参与β档移峰填谷，为移峰填谷惩罚系数。为用户i在t时刻β档的移峰填谷修正量。为0-1变量，取1时表示用户i在第k天参与了削峰调度，取0时表示用户i在第k天不参与削峰调度，ξ^clip为削峰惩罚系数。为用户参与削峰调度的负荷总和。ξ^loss为网损惩罚系数， 为节点n在第k天t时刻的发电机功率，N_gen为系统中有发电机的节点的集合。为第i个用户第k天时段t的负荷功率，为用户i工作日时段t的负荷，为用户i休息日时段t的负荷，为用户i参与时段错峰h小时时段t的负荷修正量，为用户i参与β档移峰填谷时时段t的负荷修正量，为用户i参与避峰时时段t的负荷修正量，

构造日时间尺度有序用电调度模型中的约束条件，主要包含：电网供需缺口约束、移峰填谷档次约束、新峰约束、直流潮流约束和发电机约束、周调度方案约束。其数学模型表达为：

区域电网供需缺口约束：有序用电后每个时段的用户总负荷不得高于电网发电机最大功率：

其中，为第k天t时刻的备用电力，为第k天t时刻预测的用户i负荷，为电网最大供电容量，ΔP_i^k(t)为有序用电负荷修正量，数学表达式为：

移峰填谷约束：用户优先参与档位较低，操作较容易的移峰填谷调度方案：

若用户需要参与第二档或第三档移峰填谷，则满足上式的必要条件为 即已经参与一档移峰填谷。

新峰约束：非高峰时段的备用电力不应少于高峰时段备用电力的平均，以避免高峰时段用电的过量转移在其他时段筑起新的用电高峰，从而保证负荷高峰不畸变：

式中，为高峰时段备用电力综总和，N_ph为高峰时段总数，为非高峰时段平均备用电力，T_peak为高峰时段。

直流潮流约束：电力系统中每条支路上的直流潮流不应超过该支路可以承受的潮流上下限：

为节点o流向节点p的有功潮流，与分别为第k天t时刻节点o与p的电压相角，x_op为支路op上的电抗，g_op为支路op的电导，P_l、 分别为支路上直流潮流的上下限。

发电机节点约束：存在发电机的节点，其负荷消耗量与流出该节点的潮流之和不应超过该节点发电机容量的上下限：

其中，为第k天t时刻节点n发电机功率，为节点n所有用户的用电量总和，与为节点n发电机功率上下限。

节点功率平衡约束：在非发电机的节点，负荷消耗量与流出该节点的潮流之和为零：

周调度方案约束：模型中的轮休变量时段错峰变量削峰变量取周调度方案中的对应值，即在求解日时间尺度有序用电调度模型时，这些变量的值已经确定。

优选地，根据日时间尺度有序用电调度模型，求解得到相应调度方案。上述的周时间尺度和日时间尺度有序用电调度模型为含有二次约束规划问题，在Matlab环境下调用大规模数学规划优化器Gurobi6.0.5对模型进行求解。Gurobi求解速度快，最优结果准确，Matlab将运算结果转为文字输出，可以方便运行人员调度决策。

本发明提出的技术方案，基于历史用电数据对用户进行分类，并且在设计调度方案时考虑到有序用户用电存在周时间与日时间之间的耦合，因此在有序用电调度中考虑了周和日两种不同时间尺度的调度模型。另外，考虑到用户负荷预测值在周时间尺度上具有较大的随机性和不确定性，在周时间尺度上通过场景方法表现负荷预测的随机性，建立考虑负荷预测随机性的周时间尺度有序用电调度模型；而日前负荷的预测值较为准确，则在日时间尺度上建立基于周时间调度方案的日时间尺度有序用电调度模型，以对周调度方案进行微调和修正。考虑负荷预测随机性的多时间尺度协调的有序用电调度方案在实际应用中针对用户负荷的变化具有更强的适应性和鲁棒性。

图2为根据本发明实施方式的一种具有随机性的用于多时间尺度协调的有序用电负荷调度系统结构图。如图2所示，系统200包括：

获取模块，用于获取原始数据；

计算模块，用于将原始数据代入到周时间尺度有序用电负荷调度模型，求得周时间尺度调度方案，周时间尺度调度方案至少包括轮休、削峰、时段错峰调度手段；以及

用于将原始数据代入到日时间尺度有序用电调度模型，求得日时间尺度协调的调度方案，日时间尺度调度方案至少包括移峰填谷调度手段；

其中，周时间尺度有序用电负荷调度模型通过如下步骤建立，提取用户用电负荷特征曲线，对用户进行分类并设计用电负荷分类特征指标；建立用户的用电价值评分方法，并且基于用电价值评分方法为每种类型用户设计用电负荷调度方案；

日时间尺度有序用电调度模型基于具有随机性的周时间尺度有序用电负荷调度模型建立。

优选地，获取模块用于：

基于用户历史用电数据，根据基于密度的聚类算法DBSCAN，提取用户的特征用电负荷；

基于用户的特征用电负荷，随机选取k个用户的特征用电负荷作为质 心，利用K-means聚类法，划分用户聚类簇；

选取用电负荷特征指标，计算各个簇用电负荷特征指标分布值，确认不同簇之间的区分点，以此设计特征指标，用于量化每种负荷簇之间的区别，以及判定单一用户所属负荷簇类型。

优选地，计算模块用于：

建立用户用电价值评分指标并赋予不同的权重，计算用户用电价值评分；

用户用电调度顺序采用从用电价值低分到高分的顺序进行；

用户根据自身用电负荷曲线形态及调度顺序申报参与的调度方案及参与调度的用电负荷量，经过确认后加入有序用电负荷调度数据库，形成用户用电负荷调度方案。

优选地，周时间尺度有序用电负荷调度模型以用户参与各用电负荷调度方案总成本和输电线路中网络损耗成本之和最小和目标函数；

并且构建周时间二次约束，周时间尺度有序用电负荷调度模型满足周时间二次约束条件。

优选地，日时间尺度有序用电调度模型根据用户参与方式计算控制成本，并与用户用电价值的乘积作为修正控制成本建立目标函数；

构建日时间二次约束，日时间尺度有序用电调度模型满足日时间二次约束条件。

本发明实施方式一种具有随机性的用于多时间尺度协调的有序用电负荷调度系统200与一种具有随机性的用于多时间尺度协调的有序用电负荷调度方法100相对应，在此不再进行赘述。

已经通过参考少量实施方式描述了本发明。然而，本领域技术人员所公知的，正如附带的专利权利要求所限定的，除了本发明以上公开的其他的实施例等同地落在本发明的范围内。

通常地，在权利要求中使用的所有术语都根据他们在技术领域的通常含义被解释，除非在其中被另外明确地定义。所有的参考“一个/所述/该[装 置、组件等]”都被开放地解释为所述装置、组件等中的至少一个实例，除非另外明确地说明。这里公开的任何方法的步骤都没必要以公开的准确的顺序运行，除非明确地说明。