一种电力系统需求响应聚合用户的优选方法

1.本发明属于电力系统需求响应领域，尤其涉及一种电力系统需求响应聚合用户的优选方法。


背景技术：

2.随着电网智能化进程的推进，需求侧响应成为未来智能电网研究领域的一大热点。由于一些小型用户需求响应不具备独立报价参与的条件，多数通过负荷聚合商参与，负荷聚合商把相应区域内所有的用户负荷均聚合到一起，以聚合负荷的形式统一参与电力系统需求响应，但这个过程存在一定不合理性，因为存在部分用户的负荷特性不适合参与需求响应，如高精尖产业、化工产业用户等，即使将其聚合到虚拟电厂当中参与需求响应，其发挥作用也是有限的，造成人力物力的浪费。


技术实现要素：

3.为了解决现有技术中存在的缺点和不足，本发明提出了一种电力系统需求响应聚合用户的优选方法，包括：
4.为聚合用户建立具有层级结构的评价体系，根据评价体系中评价指标的重要程度生成评价矩阵；
5.求解出评价矩阵的最大特征值和特征向量，基于最大特征值对评价体系进行一致性检验；
6.若检验通过，基于特征向量计算各个评价指标的主观权重，获取聚合用户在评价指标上的实时数据，基于实时数据计算评价指标的信息熵，得到客观权重；
7.综合主观权重和客观权重将实时数据处理为加权信息矩阵，结合加权信息矩阵的绝对正理想解、绝对负理想解排列负荷的优先级，以优先级从高到低的顺序控制负荷参与需求响应。
8.可选的，所述评价体系包括顶层、中层和下层，其中顶层为待选的聚合用户，中层中的评价指标包括待选聚合用户的电价、用电量以及负荷属性，下层中的评价指标包括待选聚合用户的平均电价、电费占能源消费总量的比例、电价敏感度、年均总用电量、用电量趋势、峰谷电量比、温控负荷占比、能源替代特性以及温度敏感度。
9.可选的，所述根据评价体系中评价指标的重要程度生成评价矩阵，包括：
10.分别在评价体系的同一层级中，依次比较每两个评价指标的重要程度，根据比较结果确定评价矩阵a中的元素a
ij
取值，得到评价矩阵a＝{a
ij
}；
11.其中，a
ij
表示评价指标i与评价指标j之间重要程度的比较结果，评价指标i相较于评价指标j越重要，a
ij
的取值越大，且评价矩阵a中的元素满足a
ji
＝1/a
ij
。
12.可选的，所述求解出评价矩阵的最大特征值和特征向量，基于最大特征值对评价体系进行一致性检验，包括：
13.基于最大特征值λ
max
计算评价矩阵在评价体系中对应的层级的一致性指标ci'为：
[0014][0015]
其中，n为评价矩阵的阶数；
[0016]
确定与阶数n对应的平均随机一致性指标ri'，计算评价矩阵在评价体系中对应层级的一致性比例cr'为一致性指标ci'与平均随机一致性指标ri'的比值；
[0017]
若一致性比例cr'小于预设限值，则判定评价矩阵对应评价体系中的层级通过一致性检验；
[0018]
若所有层级均通过一致性检验，计算评价体系整体的一致性比例cr为：
[0019][0020]
其中，a1、a2、
…
、a
t
依次表示评价体系中各个层级对应的预设系数，ci'1、ci'2、
…
、ci'
t
依次表示评价体系中各个层级对应的一致性指标，t为评价体系的总层级数，ri'1、ri'2、
…
、ri'
t
依次表示评价体系中各个层级对应的平均随机一致性指标；
[0021]
若一致性比例cr小于预设限值，则判定评价体系整体通过一致性检验。
[0022]
可选的，所述基于特征向量计算各个评价指标的主观权重，包括：
[0023]
将特征向量作为评价体系中相邻层级的评价指标之间的相对权重向量；
[0024]
基于评价体系的结构，将评价指标所在层级到顶层之间相关的所有相对权重向量的乘积作为评价指标的主观权重。
[0025]
可选的，所述获取聚合用户在评价指标上的实时数据，基于实时数据计算评价指标的信息熵，得到客观权重，包括：
[0026]
对实时数据进行标准化处理，标准化处理的计算公式为：
[0027][0028]
其中，y
ij
为标准化处理后第i聚合用户在第j个评价指标上的实时数据，x
ij
为标准化处理前第i聚合用户在第j个评价指标上的实时数据，min(xj)为对于第j个评价指标而言各聚合用户中的最小值，max(xj)为对于第j个评价指标而言各聚合用户中的最大值；
[0029]
计算各个评价指标的信息熵为：
[0030][0031]
其中，ej为第j个评价指标的信息熵，m为聚合用户的总个数；
[0032]
计算评价指标的客观权重为：
[0033]
[0034]
其中，w
oj
表示第j个评价指标的客观权重，ek表示第k个评价指标的信息熵，n为评价指标的总个数，为所有不等于1的信息熵的平均值。
[0035]
可选的，所述综合主观权重和客观权重将实时数据处理为加权信息矩阵，包括：
[0036]
计算评价指标的综合权重为：
[0037][0038]
其中，wj表示第j个评价指标的综合权重，w
sj
表示第j个评价指标的主观权重，w
oj
表示第j个评价指标的客观权重，n为评价指标的总数量；
[0039]
由聚合用户在评价指标上的实时数据x
ij
组成原始信息矩阵x＝[x
ij
]m×n，x
ij
表示第i个聚合用户在第j个评价指标上的实时数据，m为聚合用户的总个数；
[0040]
将原始信息矩阵处理为标准化矩阵q，q的元素q
ij
表示为：
[0041][0042]
基于综合权重进行加权计算，得到加权信息矩阵z＝[z
ij
]＝wj×qij
。
[0043]
可选的，所述结合加权信息矩阵的绝对正理想解、绝对负理想解排列负荷的优先级，以优先级从高到低的顺序控制负荷参与需求响应，包括：
[0044]
根据加权信息矩阵中的元素取值，确定绝对正理想解z
+
和绝对负理想解z-为：
[0045][0046][0047]
其中，表示第j个评价指标对应的绝对正理想解，表示第j个评价指标对应的绝对负理想解，pi表示评价指标中效益型指标的集合，ni表示评价指标中成本型指标的集合；
[0048]
平移绝对正理想解和负理想解，得到平移后的绝对正理想解m
+
和绝对负理想解m-为：
[0049][0050]
m-＝z-+v；
[0051]
其中，v为将绝对正理想解平移到坐标原点的向量，
[0052]
将加权信息矩阵平移向量v得到矩阵g，计算聚合用户的优先级参数si为：
[0053][0054]
si表示第i个聚合用户的优先级参数，为第j个评价指标平移后的负理想解，g
ij
为矩阵g中的元素；
[0055]
按照si由小到大的顺序排列负荷的优先级，si的值越小，第i个聚合用户的优先级越高。
[0056]
可选的，所述效益型指标为数值越大越好的评价指标，当效益型指标为1时最优，所述成本型指标为数值越小越好的评价指标，当成本型指标为0时最优。
[0057]
本发明提供的技术方案带来的有益效果是：
[0058]
在智能电网背景下，本发明为需求响应负荷聚合商提供了一种聚合用户的优选方法，采用本方法能够基于与需求响应相关的实时指标数据，动态的筛选出较为适合参与需求响应的聚合用户。与将所有聚合用户的负荷不加区分的投入需求响应的传统方法相比，本发明综合了评价指标的主观权重和利用评价指标的实时数据计算的客观权重，能够根据各个聚合用户具体的负荷情况进行需求响应的灵活调整，避免在需求响应效果不好、不适合参与需求响应的聚合用户上耗费过多的人力物力，进而有利于提高需求响应的效果与成本效益。
附图说明
[0059]
为了更清楚地说明本发明的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0060]
图1为本发明一实施例提出的一种电力系统需求响应聚合用户的优选方法的流程示意图；
[0061]
图2为评价体系的层级结构示意图。
具体实施方式
[0062]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0063]
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
[0064]
应当理解，在本发明的各种实施例中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
[0065]
应当理解，在本发明中，“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0066]
应当理解，在本发明中，“多个”是指两个或两个以上。“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“包含a、b和c”、“包含a、b、c”是指a、b、c三者都包含，“包含a、b或c”是指包含a、b、c三者之一，“包含a、b和/或c”是指包含a、b、c三者中任1个或任2个或3个。
[0067]
应当理解，在本发明中，“与a对应的b”、“与a相对应的b”、“a与b相对应”或者“b与a相对应”，表示b与a相关联，根据a可以确定b。根据a确定b并不意味着仅仅根据a确定b，还可以根据a和/或其他信息确定b。a与b的匹配，是a与b的相似度大于或等于预设的阈值。
[0068]
取决于语境，如在此所使用的“若”可以被解释成为“在
……
时”或“当
……
时”或“响应于确定”或“响应于检测”。
[0069]
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
[0070]
实施例一
[0071]
如图1所示，本实施例提出了一种电力系统需求响应聚合用户的优选方法，包括：
[0072]
s1：为聚合用户建立具有层级结构的评价体系，根据评价体系中评价指标的重要程度生成评价矩阵；
[0073]
s2：求解出评价矩阵的最大特征值和特征向量，基于最大特征值对评价体系进行一致性检验；
[0074]
s3：若检验通过，基于特征向量计算各个评价指标的主观权重，获取聚合用户在评价指标上的实时数据，基于实时数据计算评价指标的信息熵得到客观权重；
[0075]
s4：综合主观权重和客观权重将实时数据处理为加权信息矩阵，结合加权信息矩阵的绝对正理想解、绝对负理想解排列负荷的优先级，以优先级从高到低的顺序控制负荷参与需求响应。
[0076]
本实施例在评价体系的层级结构基础上，根据重要性设置评价指标的主观权重。再根据聚合用户在评价指标上的实时数据，动态确定评价指标的客观权重，最后综合主观权重和客观权重，次啊用逼近理想排序法确定聚合用户参与需求响应的优先级，避免在需求响应效果不好的聚合用户上耗费过多人力物力的问题，使得从长期规划的效果来看，负荷聚合商的对外特性及成本效益等达到最佳，也更有利于提高电网需求响应的效果。
[0077]
在本实施例中，所述评价体系的层级结构如图2所示，顶层为目标层，表示待选的聚合用户(a)；中层为标准层，其中的评价指标包括待选聚合用户的电价(b1)、用电量(b2)以及负荷属性(b3)，中层中的评价指标均隶属于顶层；下层为措施层，其中的评价指标包括待选聚合用户的平均电价(c1)、电费占能源消费总量的比例(c2)、电价敏感度(c3)、年均总用电量(c4)、用电量趋势(c5)、峰谷电量比(c6)、温控负荷占比(c7)、能源替代特性(c8)以及温度敏感度(c9)，由图2可知，在下层中，c1-c3隶属于b1，c4-c6隶属于b2，c7-c9隶属于b3。
[0078]
本实施例根据上述层次结构可以构造出评价矩阵，每一个具有向下隶属关系的元素被称为准则，此处以顶层的a作为准则为例，构建中层的评价矩阵，具体过程为：
[0079]
分别在评价体系的同一层级中，依次比较每两个评价指标的重要程度，根据比较结果确定评价矩阵a中的元素a
ij
取值，得到评价矩阵a＝{a
ij
}，其中，a
ij
表示评价指标i与评价指标j之间重要程度的比较结果，评价指标i相较于评价指标j越重要，a
ij
的取值越大，且评价矩阵a中的元素满足a
ji
＝1/a
ij
。本实施例中，比较结果与元素a
ij
的取值关系如表1所示，最终得到评价矩阵其中，n表示中间层中的评价指标总个数。
[0080]
表1
[0081]
元素取值重要程度的比较结果1表示两个元素相比有同等重要性2表示两个元素相比在取值1和3对应的重要程度之间3表示两个元素相比前者比后者稍重要4表示两个元素相比在取值3和5对应的重要程度之间5表示两个元素相比前者比后者明显重要6表示两个元素相比在取值5和7对应的重要程度之间7表示两个元素相比前者比后者强烈重要8表示两个元素相比在取值7和9对应的重要程度之间9表示两个元素相比前者比后者极端重要
[0082]
以中间层为准则，构建下层的评价矩阵的方法与上述同理，此处不再赘述。
[0083]
确定了各层级的评价矩阵a后，可计算出评价矩阵a的最大特征值λ
max
以及阈值对应的归一化的特征向量ζ，使最大特征值λ
max
和特征向量ζ具有如下式所示的关系：
[0084]
aζ＝λ
max
ζ。
[0085]
为了确保评价体系中各个评价指标定义的重要程度的协调性，避免出现例如b1比b2重要，b2比b3重要，而b3又比b1重要的矛盾情况。本实施例根据最大特征值λ
max
先对每一层进行一致性检验，通过后在对评价体系整体进行一致性检验，具体过程包括：
[0086]
基于最大特征值λ
max
计算评价矩阵在评价体系中对应的层级的一致性指标ci'为：
[0087][0088]
其中，n为评价矩阵的阶数；
[0089]
确定与阶数n对应的平均随机一致性指标ri'，计算评价矩阵在评价体系中对应层级的一致性比例cr'为一致性指标ci'与平均随机一致性指标ri'的比值；
[0090]
若一致性比例cr'小于预设限值，则判定评价矩阵对应评价体系中的层级通过一致性检验，在本实施例中判定标准为所有层的cr'均满足cr'《0.1；
[0091]
若所有层级均通过一致性检验，计算评价体系整体的一致性比例cr为：
[0092]
[0093]
其中，a1、a2、
…
、a
t
依次表示评价体系中各个层级对应的预设系数，ci'1、ci'2、
…
、ci'
t
依次表示评价体系中各个层级对应的一致性指标，t为评价体系的总层级数，根据上文描述可知本实施例中t＝3，ri'1、ri'2、
…
、ri'
t
依次表示评价体系中各个层级对应的平均随机一致性指标。本实施例中，平均随机一致性指标ri'与阶数n的关系如表2所示。
[0094]
表2
[0095]
n123456789ri’000.520.891.121.261.361.411.46n101112131415
ꢀꢀꢀ
ri’1.491.521.541.561.581.59
ꢀꢀꢀ
[0096]
若一致性比例cr小于预设限值，则判定评价体系整体通过一致性检验，在本实施例中判定标准为满足cr《0.1。
[0097]
若上述一致性校验未通过，则返回重新调整定义各个评价指标之间的重要程度，直至一致性校验通过，再进行主观权重的计算。
[0098]
在本实施例中，上述计算中求解的特征向量ζ级作为评价体系中相邻层级的评价指标之间的相对权重向量，再基于评价体系的结构，将评价指标所在层级到顶层之间相关的所有相对权重向量的乘积作为评价指标的主观权重。
[0099]
例如，w
sj
表示以顶层第s个聚合用户为准则时，下层中第j个评价指标的主观权重，则有：
[0100]wsj
＝w
st
×wtj
；
[0101]
其中，w
st
表示以顶层第s个聚合用户为准则时，中间层的第j个评价指标的相对权重向量，w
tj
表示以中间层的第t个评价指标为准则时，下层第j个评价指标的相对权重向量。
[0102]
主观权重反映的是人为定义的不同评价指标的重要程度，为了尽量避免人为主观因素造成的评价误差，本实施例利用聚合用户在评价指标上的实时数据，确定随聚合用户行为动态变化的客观权重，具体包括：
[0103]
对实时数据进行标准化处理，标准化处理的计算公式为：
[0104][0105]
其中，y
ij
为标准化处理后第i聚合用户在第j个评价指标上的实时数据，x
ij
为标准化处理前第i聚合用户在第j个评价指标上的实时数据，min(xj)为对于第j个评价指标而言各聚合用户中的最小值，max(xj)为对于第j个评价指标而言各聚合用户中的最大值；
[0106]
计算各个评价指标的信息熵为：
[0107][0108]
其中，ej为第j个评价指标的信息熵，m为聚合用户的总个数；若则定义
[0109]
计算第j个评价指标的客观权重为：
[0110][0111]
其中，w
oj
表示第j个评价指标的客观权重，ek表示第k个评价指标的信息熵，n为评价指标的总个数，为所有不等于1的信息熵的平均值。
[0112]
本实施例中，评价指标的综合权重wj应当尽可能接近主观权重w
sj
和w
oj
，信息熵应越小越高，即以此建立目标函数为：
[0113][0114]
采用拉格朗日乘子法进行求解，得到综合权重wj为
[0115][0116]
其中，wj表示第j个评价指标的综合权重，w
sj
表示第j个评价指标的主观权重，w
oj
表示第j个评价指标的客观权重，n为评价指标的总数量。
[0117]
基于综合权重对聚合用户的实时数据进行加权，具体包括：由聚合用户在评价指标上的实时数据x
ij
组成原始信息矩阵x＝[x
ij
]m×n，x
ij
表示第i个聚合用户在第j个评价指标上的实时数据，m为聚合用户的总个数；
[0118]
将原始信息矩阵处理为标准化矩阵q，q的元素q
ij
表示为：
[0119][0120]
基于综合权重进行加权计算，得到加权信息矩阵z＝[z
ij
]＝wj×qij
。
[0121]
本实施例采用逼近理想排序法确定聚合用户的优先级，首先，根据加权信息矩阵确定其绝对正理想解z
+
和绝对负理想解z-为：
[0122][0123][0124]
其中，表示第j个评价指标对应的绝对正理想解，表示第j个评价指标对应的绝对负理想解，pi表示评价指标中效益型指标的集合，ni表示评价指标中成本型指标的集
合。
[0125]
所述效益型指标为数值越大越好的评价指标，当效益型指标为1时最优，例如本实施例中的温控负荷占比、能源替代特性等，成本型指标为数值越小越好的评价指标，当成本型指标为0时最优，例如电价、电费占能源消费总量的比例等。
[0126]
为了方便后续计算，在本实施例中平移绝对正理想解和负理想解，得到平移后的绝对正理想解m
+
和绝对负理想解m-为：
[0127][0128]
m-＝z-+v；
[0129]
其中，v为将绝对正理想解平移到坐标原点的向量，即绝对正理想解平移到其向量起点为坐标原点，这个过程中绝对负理想解和加权信息矩阵也会随之平移，因此得到加权信息矩阵平移向量v的矩阵g，并计算聚合用户的优先级参数为：
[0130][0131]
si表示第i个聚合用户的优先级参数，为第j个评价指标平移后的负理想解，g
ij
为矩阵g中的元素；
[0132]
本实施例中，优先级参数si与聚合用户至坐标垂面的距离有关，能够表征聚合用户距离绝对负理想解的距离，因此si的值越小说明聚合用户距离绝对正理想解的距离越近，即对该聚合用户的评价越好，因此按照si由小到大的顺序排列负荷的优先级，si的值越小，第i个聚合用户的优先级越高。
[0133]
在负荷聚合商调控电力系统的需求响应时，就可以依照上述过程得到的优先级从高到低的顺序控制负荷参与需求响应，由此可以尽量避免不适合需求响应的聚合用户参与其中，减少不必要的人力物力资源浪费，同时，本实施例中由于结合了根据评价指标的实时数据确定的客观权重，能够充分考虑到各个聚合用户的负荷情况，并由于其具有实时性，可以根据具体用电情况灵活调整客观权重，提高优先级确定的准确性。
[0134]
上述实施例中的各个序号仅仅为了描述，不代表各部件的组装或使用过程中的先后顺序。
[0135]
以上所述仅为本发明的实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。