一种基于用户参与的需求响应调度方法及装置与流程

本技术涉及配电网调度，尤其涉及一种基于用户参与的需求响应调度方法及装置。

背景技术：

1、目前，面向电力负荷需求响应的研究以电价型需求响应和激励型需求响应为主，电价型需求响应基于分时电价引导用户的用电行为，在降低峰谷差、用户充电成本等方面具有良好的效果，但价格型需求响应无法保证电力用户不会过响应或者欠响应，用户的主导权更大，有必要结合激励型需求响应优化用户的用电行为。

2、在激励型需求响应研究中，建立真实准确的电力用户响应潜力评估模型是提高需求响应成功率的前提，现有研究中对于电力用户响应潜力的计算通常只考虑了激励电价的影响，但在当前“电-碳”市场协同下，用户的响应意愿不仅和当前时刻的电价有关，还与其他诸多因素密切相关，仅考虑激励水平无法充分利用不同碳配额电力用户的潜力，导致实施需求响应的节能降碳效果较差。

技术实现思路

1、本技术提供了一种基于用户参与的需求响应调度方法及装置，用于解决现有激励型需求响应技术中仅考虑激励电价的影响，忽略其他影响因素使其无法充分利用用户响应潜力，导致实施需求响应的节能降碳效果较差的技术问题。

2、有鉴于此，本技术第一方面提供了一种基于用户参与的需求响应调度方法，包括：

3、根据电力用户用电量和预设电量弹性系数构建用户响应能力约束模型，所述用户响应能力约束模型包括增加最大用电量和削减最大用电量；

4、基于预设积极响应偏向程度根据预置增加用电响应模型和预置削减用电响应模型计算用户实际响应率，所述预设积极响应偏向程度根据电价、剩余碳排放额和碳交易价格计算得到；

5、依据所述用户响应能力约束模型和所述用户实际响应率对电力用户响应潜力进行评估，得到用户响应潜力电量；

6、采用粒子群算法求解基于所述用户响应潜力电量构建的电网调度成本模型，得到激励电价，所述电网调度成本模型包括激励优化约束条件；

7、依据所述激励电价构建电力用户满意度优化模型，并根据求解所述电力用户满意度优化模型得到的结果获取响应电量调度方案，所述电力用户满意度优化模型包括电量优化约束条件。

8、优选地，所述基于预设积极响应偏向程度根据预置增加用电响应模型和预置削减用电响应模型计算用户实际响应率，所述预设积极响应偏向程度根据电价、剩余碳排放额和碳交易价格计算得到，包括：

9、根据用户增加用电最大响应率和用户增加用电响应饱和激励参数分别构建用户增加用电积极响应子模型和用户增加用电消极响应子模型，得到预置增加用电响应模型；

10、根据用户削减用电最大响应率和用户削减用电响应饱和激励参数分别构建用户削减用电积极响应子模型和用户削减用电消极响应子模型，得到预置削减用电响应模型；

11、基于预设积极响应偏向程度分别对所述预置增加用电响应模型和所述预置削减用电响应模型的用户意愿进行偏向程度分析，并计算出用户实际响应率，所述预设积极响应偏向程度根据电价、剩余碳排放额和碳交易价格计算得到。

12、优选地，所述基于预设积极响应偏向程度根据预置增加用电响应模型和预置削减用电响应模型计算用户实际响应率，所述预设积极响应偏向程度根据电价、剩余碳排放额和碳交易价格计算得到，之前还包括：

13、获取电力用户在相同时刻的电价、剩余碳排放额和碳交易价格；

14、对所述电价、所述剩余碳排放额和所述碳交易价格进行归一化处理后，基于模糊推理理论对用户主观意愿进行偏向程度计算，得到预设积极响应偏向程度。

15、优选地，所述依据所述用户响应能力约束模型和所述用户实际响应率对电力用户响应潜力进行评估，得到用户响应潜力电量，包括：

16、依据所述增加最大用电量和增加用电量对应的所述用户实际响应率评估计算增加用电响应潜力；

17、依据所述削减最大用电量和削减用电量对应的所述用户实际响应率评估计算削减用电响应潜力；

18、所述增加用电响应潜力和所述削减用电响应潜力求和，得到用户响应潜力电量。

19、优选地，所述依据所述激励电价构建电力用户满意度优化模型，并根据求解所述电力用户满意度优化模型得到的结果获取响应电量调度方案，所述电力用户满意度优化模型包括电量优化约束条件，包括：

20、依据所述激励电价计算电力用户参与需求响应的参与补贴后，根据所述参与补贴和对应的折算成本计算参与净收益；

21、根据所述参与净收益和预置响应后电费计算电力用户参与需求响应后的用户费用；

22、基于所述电力用户参与需求响应后的用户费用与用户不参与需求响应的用户费用计算实时电费满意度；

23、根据所述实时电费满意度和所述激励电价下的电力用户数量构建电力用户满意度优化模型，同时配置电量优化约束条件；

24、采用粒子群算法求解所述电力用户满意度优化模型，得到电力用户平均满意度；

25、基于所述电力用户平均满意度配置用户响应电量分配方案，得到响应电量调度方案。

26、本技术第二方面提供了一种基于用户参与的需求响应调度装置，包括：

27、客观模型构建单元，用于根据电力用户用电量和预设电量弹性系数构建用户响应能力约束模型，所述用户响应能力约束模型包括增加最大用电量和削减最大用电量；

28、主观响应计算单元，用于基于预设积极响应偏向程度根据预置增加用电响应模型和预置削减用电响应模型计算用户实际响应率，所述预设积极响应偏向程度根据电价、剩余碳排放额和碳交易价格计算得到；

29、响应潜力评估单元，用于依据所述用户响应能力约束模型和所述用户实际响应率对电力用户响应潜力进行评估，得到用户响应潜力电量；

30、激励电价计算单元，用于采用粒子群算法求解基于所述用户响应潜力电量构建的电网调度成本模型，得到激励电价，所述电网调度成本模型包括激励优化约束条件；

31、响应调度求解单元，用于依据所述激励电价构建电力用户满意度优化模型，并根据求解所述电力用户满意度优化模型得到的结果获取响应电量调度方案，所述电力用户满意度优化模型包括电量优化约束条件。

32、优选地，所述主观响应计算单元，具体用于：

33、根据用户增加用电最大响应率和用户增加用电响应饱和激励参数分别构建用户增加用电积极响应子模型和用户增加用电消极响应子模型，得到预置增加用电响应模型；

34、根据用户削减用电最大响应率和用户削减用电响应饱和激励参数分别构建用户削减用电积极响应子模型和用户削减用电消极响应子模型，得到预置削减用电响应模型；

35、基于预设积极响应偏向程度分别对所述预置增加用电响应模型和所述预置削减用电响应模型的用户意愿进行偏向程度分析，并计算出用户实际响应率，所述预设积极响应偏向程度根据电价、剩余碳排放额和碳交易价格计算得到。

36、优选地，还包括：

37、数据获取单元，用于获取电力用户在相同时刻的电价、剩余碳排放额和碳交易价格；

38、参数计算单元，用于对所述电价、所述剩余碳排放额和所述碳交易价格进行归一化处理后，基于模糊推理理论对用户主观意愿进行偏向程度计算，得到预设积极响应偏向程度。

39、优选地，所述响应潜力评估单元，具体用于：

40、依据所述增加最大用电量和增加用电量对应的所述用户实际响应率评估计算增加用电响应潜力；

41、依据所述削减最大用电量和削减用电量对应的所述用户实际响应率评估计算削减用电响应潜力；

42、所述增加用电响应潜力和所述削减用电响应潜力求和，得到用户响应潜力电量。

43、优选地，所述响应调度求解单元，具体用于：

44、依据所述激励电价计算电力用户参与需求响应的参与补贴后，根据所述参与补贴和对应的折算成本计算参与净收益；

45、根据所述参与净收益和预置响应后电费计算电力用户参与需求响应后的用户费用；

46、基于所述电力用户参与需求响应后的用户费用与用户不参与需求响应的用户费用计算实时电费满意度；

47、根据所述实时电费满意度和所述激励电价下的电力用户数量构建电力用户满意度优化模型，同时配置电量优化约束条件；

48、采用粒子群算法求解所述电力用户满意度优化模型，得到电力用户平均满意度；

49、基于所述电力用户平均满意度配置用户响应电量分配方案，得到响应电量调度方案。

50、从以上技术方案可以看出，本技术实施例具有以下优点：

51、本技术中，提供了一种基于用户参与的需求响应调度方法，包括：根据电力用户用电量和预设电量弹性系数构建用户响应能力约束模型，用户响应能力约束模型包括增加最大用电量和削减最大用电量；基于预设积极响应偏向程度根据预置增加用电响应模型和预置削减用电响应模型计算用户实际响应率，预设积极响应偏向程度根据电价、剩余碳排放额和碳交易价格计算得到；依据用户响应能力约束模型和用户实际响应率对电力用户响应潜力进行评估，得到用户响应潜力电量；采用粒子群算法求解基于用户响应潜力电量构建的电网调度成本模型，得到激励电价，电网调度成本模型包括激励优化约束条件；依据激励电价构建电力用户满意度优化模型，并根据求解电力用户满意度优化模型得到的结果获取响应电量调度方案，电力用户满意度优化模型包括电量优化约束条件。

52、本技术提供的基于用户参与的需求响应调度方法，从电力用户的响应情况出发进行客观和主观响应分析，考虑了包括电价在内的剩余碳排放额和碳交易价格等其他影响因素的作用，并基于此评估用户响应潜力电量；根据用户响应潜力电量的差异性制定更加合理的激励电价，在满足电网调度成本的情况下充分提高用户满意度，且能够发挥节能降碳的作用；此外，制定的激励电价还能避免电网以不必要的激励成本满足电网需求以及低激励成本导致的响应不足问题。因此，本技术能够解决现有激励型需求响应技术中仅考虑激励电价的影响，忽略其他影响因素使其无法充分利用用户响应潜力，导致实施需求响应的节能降碳效果较差的技术问题。