一种考虑用户侧碳排放和限电成本的用户有序用电策略生成方法与流程

1.本发明涉及电力系统调控领域，尤其涉及一种考虑用户侧碳排放和限电成本的用户有序用电策略生成方法。


背景技术：

2.有序用电，是指通过法律、行政、经济、技术等手段，加强用电管理，改变用户用电方式，采取错峰、避峰、轮休、让电、负控限电等一系列措施，避免无计划拉闸限电，规范用电秩序，将季节性、时段性电力供需矛盾给社会和企业带来的不利影响降至最低程度。有序用电由各级政府和有关政府部门主导及推动，充分调动供电企业和电力用户的积极性，共同参与和配合。在电力供需不平衡情况下，坚持限电不拉电，确保市民用电不受影响，确保重点企业生产需要，确保城市生产生活正常有序进行。有序用电的目标主要集中在电力和电量的改变上，一方面采取措施降低电网的峰荷时段的电力需求或增加电网的低谷时段的电力需求，以较少的新增装机容量达到系统的电力供需平衡；另一方面，采取措施节省或增加电力系统的发电量，在满足同样的能源服务的同时节约了社会总资源的耗费。从经济学的角度看，有序用电的目标就是将有限的电力资源最有效地加以利用，使社会效益最大化。目前区域电网有序用电对用户碳排放量考虑不足，用户有序用电策略有待优化。


技术实现要素：

3.针对上述问题，面向区域电网，综合考虑用户碳排放和限电成本，本发明提供了一种考虑碳排放和限电成本的区域电网用户侧有序用电方法。
4.为了达到上述目的，本发明是通过以下技术方案来实现的：
5.本发明是一种考虑用户侧碳排放和限电成本的用户有序用电策略生成方法，包括如下步骤：
6.步骤1，进行用户侧用电信息采集，采集的信息包括当前度电碳排放因子，用户当前用电可调范围，不同用户的限电成本；
7.步骤2，构建计及可调节量-碳排放量-限电成本的用户有序用电模型；
8.步骤3，采用多目标htl-mopso优化算法对用户有序用电模型进行求解，输出区域电网用户有序用电策略。
9.本发明的进一步改进在于：步骤1采集的用户侧用电信息表示为：
10.x(t)＝[μ(t),δp
imin
(t),δp
imax
(t),ζi(t)]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0011]
式中：x(t)为t时刻采集的区域电网用户侧用电采集信息，μ(t)为t时刻区域电网度电碳排放因子，δp
imin
(t),δp
imax
(t)分别为用户i在t时刻可下调功率最小、最大量，σi(t)为用户i在t时刻限电成本。
[0012]
本发明的进一步改进在于：步骤2具体步骤为：
[0013]
步骤2.1，构建包括综合用电成本最小，碳排放量最小的多目标函数，表达式为：
[0014][0015][0016]
式中：f1为区域电网有序用电成本最小目标函数；δi(t)为用户i在t时刻的运行状态，参与电网限电调节取1，不参与电网调节取0；m为用户总数量；δpi(t)为用户i在t时刻参与电网调节功率；εi(t)为用户i在t时刻参与调节成本因子；δt为区域电网限电需求时间；ζi(t)为用户i在t时刻限电成本；f2为碳排放量最小目标函数；μ(t)为t时刻区域电网度电碳排放因子；dt为微分；
[0017]
步骤2.2，构建包括用户负荷可调量约束、区域电网负荷调节量约束和用户参与有序用电约束的用户有序用电模型的约束条件。
[0018]
本发明的进一步改进在于：步骤2.2中，所述区域电网负荷可调量约束表达式为：
[0019][0020]
式中：δp(t)为t时刻区域电网电量调节需求；δi(t)为用户i在t时刻的运行状态，参与电网限电调节取1，不参与电网调节取0；δpi(t)为用户i在t时刻参与电网调节功率；m为用户总数量；
[0021]
所述用户负荷调节量约束表达式为：
[0022]
δp
imin
(t)＜δpi(t)＜δp
imax
(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0023]
式中：δp
imin
(t),δp
imax
(t)分别为用户i在t时刻可下调功率最小、最大量；
[0024]
所述用户参与有序用电约束的表达式为：
[0025][0026]
式中：和分别为用户i在t时刻输出功率的极值，0-1变量，1表示用户参与有序用电。
[0027]
本发明的进一步改进在于：步骤3的具体操作步骤为：
[0028]
步骤3.1，读取用户侧信息，包括度电碳排放因子、用户当前用电可调范围、不同用户的限电成本，以及用户负荷可调量约束、区域电网负荷调节量约束和用户参与有序用电约束，并设置优化算法相关参数，包括种群p’规模n，pso搜索策略中的参数、tlbo搜索策略中的参数，以及参数inv；
[0029]
步骤3.2，初始化种群p’中所有粒子的位置及速度、个体最优以及全局最优；
[0030]
步骤3.3，基于非支配解的概念获取种群p’中的非支配解，并存入精英档案集arv中；
[0031]
步骤3.4，根据算法中的htl-pso搜索策略并结合领导粒子选择策略更新种群p’中所有个体的位置，获取种群p’更新后的非支配解nd_x并判断其是否需要存入精英档案集arv中；
[0032]
步骤3.5，判断精英档案集arv是否需要删减，若需要删减，执行步骤3.6，反之，执行步骤3.7；
[0033]
步骤3.6，采用循环拥挤排序策略进行精英档案集筛选；
[0034]
步骤3.7，变异操作；若种群中所有粒子速度小于阈值v
limt
，对种群p’进行多项式变异；反之，跳到步骤3.8；
[0035]
步骤3.8，判断迭代次数是否达到最大值，若达到，输出精英档案集的个体；反之跳至步骤3.4。
[0036]
本发明的有益效果是：本发明面向区域电网，综合考虑用户碳排放和限电成本，通过本发明的方法得到的区域电网用户有序用电策略能够降低区域电网用户有序用电、限电成本，降低区域电网碳排放量，助力电网碳减排，对实现“碳达峰、碳中和”目标具有重要意义。
附图说明
[0037]
图1是本发明方法的流程示意图；
[0038]
图2是本发明步骤3中采用多目标htl-mopso优化算法对用户有序用电模型进行求解的流程示意图。
具体实施方式
[0039]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
[0040]
如图1所示，本发明是一种考虑用户侧碳排放和限电成本的用户有序用电策略生成方法，包括如下步骤：
[0041]
步骤1，进行用户侧用电信息采集，采集的信息包括当前度电碳排放因子，用户当前用电可调范围，不同用户的限电成本；
[0042]
采集的用户侧用电信息表示为：
[0043]
x(t)＝[μ(t),δp
imin
(t),δp
imax
(t),ζi(t)]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0044]
式中：x(t)为t时刻采集的区域电网用户侧用电采集信息，μ(t)为t时刻区域电网度电碳排放因子，δp
imin
(t),δp
imax
(t)分别为用户i在t时刻可下调功率最小、最大量，σi(t)为用户i在t时刻限电成本。
[0045]
步骤2，构建计及可调节量-碳排放量-限电成本的用户有序用电模型；具体包括：构建包括综合用电成本最小，碳排放量最小的多目标函数，表达式为：
[0046][0047][0048]
式中：f1为区域电网有序用电成本最小目标函数；δi(t)为用户i在t时刻的运行状态，参与电网限电调节取1，不参与电网调节取0；m为用户总数量；δpi(t)为用户i在t时刻参与电网调节功率；εi(t)为用户i在t时刻参与调节成本因子；δt为区域电网限电需求时间；ζi(t)为用户i在t时刻限电成本；f2为碳排放量最小目标函数；μ(t)为t时刻区域电网度
电碳排放因子；
[0049]
构建包括用户负荷可调量约束、区域电网负荷调节量约束和用户参与有序用电约束的用户有序用电模型的约束条件；其中用户负荷可调量约束如公式(4)所示用户参与负荷调节量要满足区域电网总调节量要求；区域电网负荷调节量约束如公式(5)所示，用户参与的调节量不得超过可调节上下限；用户参与有序用电约束如公式(6)所示：
[0050][0051]
δp
imin
(t)＜δpi(t)＜δp
imax
(t)(5)
[0052][0053]
式中：δp(t)为t时刻区域电网电量调节需求；δi(t)为用户i在t时刻的运行状态，参与电网限电调节取1，不参与电网调节取0；δpi(t)为用户i在t时刻参与电网调节功率；m为用户总数量；δp
imin
(t),δp
imax
(t)分别为用户i在t时刻可下调功率最小、最大量；和分别为用户i在t时刻输出功率的极值，0-1变量，1表示用户参与有序用电。
[0054]
步骤3，采用多目标htl-mopso优化算法对用户有序用电模型进行求解，输出区域电网用户有序用电策略；具体步骤如下：
[0055]
步骤3.1，读取用户侧信息，包括度电碳排放因子、用户当前用电可调范围、不同用户的限电成本，以及用户负荷可调量约束、区域电网负荷调节量约束和用户参与有序用电约束，设置优化算法相关参数，包括种群p’规模n，pso搜索策略中的参数、tlbo搜索策略中的参数，以及参数inv；
[0056]
步骤3.2，初始化种群p’中所有粒子的位置及速度、个体最优以及全局最优；
[0057]
步骤3.3，基于非支配解的概念获取种群p’中的非支配解，并存入精英档案集arv中；
[0058]
针对多目标求解问题，对于目标函数f1(δpi(t))和f2(δpi(t))，对任意给定两决策变量δpa(t)、δpb(t)，如果有以下两个条件成立，则称δpa(t)支配δpb(t)：
[0059]
1)对于都有f1(δpa(t))＜f2(δpb(t))。
[0060]
2)对于使得f1(δpa(t))＜f2(δpb(t))。
[0061]
如果一个决策变量δpa(t)不存在其他决策变量δpk(t)能够支配他，则称δpa(t)为非支配解。
[0062]
步骤3.4，根据算法中的htl-pso搜索策略并结合领导粒子选择策略更新种群p’中所有个体的位置，获取种群p’更新后的非支配解并判断其是否需要存入精英档案集arv中；
[0063]
步骤3.5，判断精英档案集arv是否需要删减，若需要删减，执行步骤3.6，反之，执行步骤3.7；
[0064]
步骤3.6，采用循环拥挤排序策略进行精英档案集筛选；
[0065]
步骤3.7，变异操作；若种群中所有粒子速度小于阈值v
limt
，对种群p’进行多项式变异；反之，跳到步骤3.8；
[0066]
步骤3.8，判断迭代次数是否达到最大值，若达到，输出精英档案集的个体；反之跳至步骤3.4。
[0067]
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发
明说明书及附图内容所作的等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。