一种基于负荷准线的电力系统安全约束机组组合决策方法

1.本发明属于电力系统优化调度领域，具体涉及一种基于负荷准线的电力系统安全约束机组组合决策方法。


背景技术：

2.随着可再生能源的日益普及，传统发电量的份额持续下降，单纯依靠传统发电侧很难平抑可再生能源的波动性；因此，需要增加对需求侧资源的需求，以适应不确定的可再生资源的安全整合。
3.大规模用户准线的规划建设将带动可再生能源的消纳，相关项目从投资建设到生产运营的全过程都将对国民经济、能源生产和利用方式、环境等带来显著效益，有必要设计科学的评估指标、方法和标准，对大规模用户准线机制投资、建设、运行和效益进行系统科学的评估。
4.现阶段，适用于大规模负荷聚集的需求响应理论体系仍然较少。现有的考虑大规模响应的需求响应方法并没有考虑系统运行的实际情况，并且没有考虑用户的响应特性。随着我国各类需求响应示范项目的落地，开展大规模负荷聚合的需求响应机制具备了一定的实施条件，有必要尽快建立起科学、合理的大规模需求响应方法，为需求响应投资主体的投资决策提供参考，从而推动大规模需求响应的建设进程。


技术实现要素：

5.针对现有技术的不足，本发明的目的在于提供一种基于负荷准线的电力系统安全约束机组组合决策方法，有效地促进可再生能源的消纳情况同时维持电力系统安全运行。
6.本发明的目的可以通过以下技术方案实现：
7.一种基于负荷准线的电力系统安全约束机组组合决策方法，其特征在于，所述电力系统的运行框架为双层结构，上层计算出来的用户准线，将其在全网范围内进行广播，以使负荷聚合商进行合理的资源配置；下层建立负荷聚合商优化考虑灵活负载聚合的不确定性，使用参考用户准线，计算负荷聚合期望和偏差，并优化负荷聚合商的收益；所述方法具体包括以下步骤：
8.s1：获取全网参数，得到系统中固定负荷，预测新能源出力数据；
9.s2：在上层架构计算出cdl曲线；
10.s3：将cdl线形传入下层，la以此线形为调节目标，结合自身响应特性，计算出真实运行负荷曲线；
11.s4：将真实运行负荷曲线上传到新一轮迭代中的上层架构，重复上述步骤循环迭代，若计算出的负荷准线及真实负荷不再变化，就停止迭代；
12.s5：对la响应后的效果进行评估，确定响应激励。
13.进一步地，所述s2中的上层机构包括cdl子问题与scuc子问题，cdl子问题计算所需的负荷准线，scuc子问题保证求得的cdl仍然能维持系统运行安全；
14.用户准线的目标函数设置为：
[0015][0016][0017]
其中，表示在t时刻第i个可调节发电机组的出力；表示在t时刻新能源可用的出力；表示日前预测的在t时刻新能源最大出力；ng表示发电机组的数量；t表示响应实施的总时间；ai,bi,ci是发电机组的成本系数；cr是弃风成本系数；是cdl曲线；p
d,fix,t
表示在t时刻不可改变的固定负荷；是参与需求响应的柔性负荷总量。
[0018]
进一步地，用户准线的目标函数的约束如下：
[0019][0020][0021][0022][0023]
其中，公式(3)和公式(4)表示用户准线只是改变了参与响应用户的用电行为，用电总量并没有发生变化；公式(5)是可控发电机组的出力上下限，其中是一个0-1变量，表示发电机组i在t时刻的开停状态，和分别表示发电机组i出力的上限和下限；公式(6)是新能源的出力约束。
[0024]
进一步地，所述scuc的目标函数设置为：
[0025][0026]
其中，是t时刻发电机组i的实际出力；是t时刻新能源机组j的实际出力；su和sd分别代表开机成本和关机成本；ls是甩负荷，c
l
为甩负荷成本系数。
[0027]
进一步地，所述scuc子问题的约束如下：
[0028][0029][0030][0031]
[0032][0033][0034][0035][0036][0037][0038][0039][0040][0041][0042][0043]
约束(8)表示系统的总功率平衡；式(9)中，表示发电机组i在t时刻的开/关状态；约束(10)确保新能源出力不能超过约束(11)表明实际负荷等于t时刻所有总线的固定部分和柔性部分的总和；约束(12)表示潮流应该在pl
max
范围内；kp、kr和kd分别是母线发电机组、母线新能源机组和母线负载关联矩阵；sf是位移因子；约束(13)是发电机组爬坡约束，其中dri和uri分别代表发电机组i的下坡和爬坡上限；约束(14)-(15)计算发电机组的开停成本，0-1变量和分别是机组启动和关闭的状态指标，和分别表示机组i在时间t的启动和关停成本；约束(19)-(22)描述了发电机组的最小开/关时间限制，其中和分别表示机组i的最小开和关时间；和分别表示发电机
组i的初始开启和关闭时间。
[0044]
进一步地，所述上层架构的耦合约束为：
[0045][0046][0047]
进一步地，所述s3包括以下两个步骤：
[0048]
s31，计算相对平均偏差rd：
[0049][0050]
其中，d
act,k
代表实际聚合量，d是聚合目标量；k是聚合总次数；
[0051]
s32，负荷聚合优化，具体步骤如下：
[0052]
(1+λ2+λ3+...+λ
24
)*p
init
＝m(26)
[0053]
其中，m为柔性负荷总量，p
init
是t＝1时刻的柔性负荷；因此，在t时刻柔性负荷的调节量就是初始曲线与调整后曲线之间的绝对差值；
[0054]
下层la的优化目标函数为：
[0055][0056]
其中，x
res,t
和x
ind,t
分别是居民负荷调节量和工业负荷调节量；x
dev,t
是t时刻的居民负荷偏差；c
res
和c
ind
分别是居民负荷和工业负荷的调节成本系数；c
dev
是居民负荷调节量的偏差成本系数。
[0057]
进一步地，所述下层la的优化目标函数的约束条件为：
[0058][0059][0060][0061][0062][0063][0064][0065][0066]
[0067][0068][0069][0070][0071][0072][0073]
其中，约束(28)表明灵活负荷的调整量包括居民负荷和工业负荷；t
arres,t
和t
arind,t
分别代表居民负荷和工业负荷的目标调整值；l
t
是初始负荷曲线；约束(29)与scuc有关，如果在上一次系统运行过程中出现甩负荷，我们就减少当前运行过程中的负荷，以保证系统的正常运行；是第m次系统运行时的弹性负荷，是第m次系统运行时的固定负载；约束(30)-(35)描述了接收到cdl曲线后居民负荷的调整特性；居民响应负荷的百分比随着调整目标的增加呈三段线图；xres,t为参与dr的用户比例，β
1,t
,β
2,t
和β
3,t
为0-1变量，res
1,t
，res
2,t
和res
3,t
表示三段线的三个拐点的纵坐标值，slope
1,t
，slope
2,t
和slope
3,t
为三段线的斜率，和为三段线四个端点的横坐标值；z
1,t
，z
2,t
和z
3,t
是根据调整目标值在三段线上选定区域的值，其中同时刻只有一个具有特定值，另外两个为零值；约束条件(36)-(41)与(30)-(35)类似，x
dev,t
为居民负荷响应偏差；约束(42)将偏差控制在允许范围内。
[0074]
进一步地，所述激励包括一级激励和二级激励；
[0075]
一级激励为：
[0076][0077]
其中，sk代表lai的一级激励。
[0078]
进一步地，所述二级激励的算法步骤为：
[0079]
1)分别计算n个用户的总负荷曲线，在此定义一个衡量用户负荷曲线与标准负荷准线相似程度的指标：
[0080][0081]
其中，lk(t)是lak响应后的用户曲线；di是两条线之间的欧氏距离，dk越大，就表示lk(t)的相似程度越低；
[0082]
2)求出所有用户的平均相似程度：
[0083][0084]
3)相似度低于d
ave
的用户应扣除部分激励以奖励相似度高于d
ave
的用户，补偿扣除
的计算方法如下：
[0085][0086][0087]
其中，fk代表线形相似度低于d
ave
的用户i在第二次响应激励中扣除的数额；σ是由需求响应中心制定的控制激励方程的常数因子；扣除下来的补贴将会由线形相似程度较高的用户按超出部分的占比接收。
[0088]
本发明的有益效果：本发明在保证电网有效运行的前提下，能够有效促进可再生能源的消纳率，降低系统成本，同时，合理的奖励制度能够吸引用电用户参与需求响应，从而推动大规模需求响应的建设。
附图说明
[0089]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，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。
[0090]
图1为本发明总体框架图；
[0091]
图2为本发明方法流程图；
[0092]
图3为本发明负荷实际聚合期望值；
[0093]
图4为本发明负荷实际聚合偏差；
[0094]
图5为本发明新能源出力；
[0095]
图6 cdl曲线及发电机组出力；
[0096]
图7本发明提出的cdl下的线路潮流；
[0097]
图8为传统cdl下的线路潮流；
[0098]
图9为本发明响应后的负荷曲线；
[0099]
图10为118节点系统传统cdl下的线路潮流绝对负载率；
[0100]
图11为本发明118节点系统本文cdl下的线路潮流绝对负载率；
[0101]
图12为本发明118节点系统下las激励分配。
具体实施方式
[0102]
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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
[0103]
如图1所示，本发明构造一大规模灵活需求响应资源的协调电力系统运行框架，电力系统运行框架为双层框架，上层架构考虑系统层面，计算在维持系统正常运行状态前提下最适合新能源消纳的理想负荷曲线；下层架构考虑用户侧层面，以上层传下的负荷准线为调节目标，以负荷聚合商(load aggregator,la)为响应中介，综合考虑用户响应的不确
定性，计算用户响应后的实际负荷曲线。将此实际负荷曲线上传至新一轮迭代中的上层，重复计算迭代，直至收敛至最优负荷准线；
[0104]
在上层架构中，负荷准线(customer directrix load,cdl)子问题考虑了系统功率的平衡约束，新能源消纳约束以及“可调”平衡“不可调”约束，计算出一条理想情况下的负荷准线；然而，若是柔性负荷根据这条理想曲线调整其行为而不考虑实际的操作约束时，可能会导致线路潮流越限等的危险运行；因此，在上层加入安全约束机组组合约束以保持系统的安全运行；将这两个子问题通过两个约束条件进行耦合，一是安全约束机组组合(security constrained unit commitment,scuc)与cdl子问题中的机组开停状态应保持一致，另一方面是考虑到大规模柔性负荷的不确定性，所需消纳新能源量应与实际消纳的新能源总量相差很小；
[0105]
在下层架构中，cdl曲线被发布到所有参与需求响应的la；计及大规模负荷响应的不确定性，对于la的响应特性进行建模；考虑到负荷聚合的实际值尚不确定，因此，对负荷聚合的期望和偏差进行仿真，并建立了大规模负荷及其聚合特性的响应概率，提出了响应成本和约束，以获取具有负荷聚合不确定性的实际负荷准线。
[0106]
如图2所示，一种基于负荷准线的电力系统安全约束机组组合决策方法，包括以下步骤：
[0107]
s1：获取全网参数，得到系统中固定负荷，日前预测新能源出力等数据；
[0108]
s2：在上层架构计算出cdl曲线；
[0109]
上层结构包括了cdl子问题与scuc子问题，求解了在电网安全运行前提下的理想负荷准线；
[0110]
cdl子问题：
[0111]
图1中的cdl子问题最小化了系统运行成本并且最大化了新能源的消纳量，因此，此子问题能够计算出一条最适合新能源消纳的用户准线；将用户准线的目标函数设置为：
[0112][0113]
其中，表示在t时刻第i个可调节发电机组的出力；表示在t时刻新能源可用的出力；表示日前预测的在t时刻新能源最大出力；ng表示发电机组的数量；t表示响应实施的总时间；ai,bi,ci是发电机组的成本系数；cr是弃风成本系数；公式(1)的前半段是发电机组成本，后半段是弃风成本；
[0114][0115]
其中是cdl曲线；p
d,fix,t
表示在t时刻不可改变的固定负荷；是参与需求响应的柔性负荷总量；公式(2)左侧的“可调量”实时平抑右侧的“不可调节量”。
[0116]
其余约束如下所示：
[0117][0118]
[0119][0120][0121]
其中，公式(3)和公式(4)表示用户准线只是改变了参与响应用户的用电行为，用电总量并没有发生变化；公式(5)是可控发电机组的出力上下限，其中是一个0-1变量，表示发电机组i在t时刻的开停状态，和分别表示发电机组i出力的上限和下限；公式(6)是新能源的出力约束。
[0122]
scuc子问题：
[0123]
cdl子问题计算所需的负荷准线。然而，求得的负荷准线在实际电网运行中可能会不可运行，因此，引入scuc子问题以保证求得的cdl仍然能维持系统运行安全；
[0124]
scuc的目标函数设置为：
[0125][0126]
其中，是t时刻发电机组i的实际出力；是t时刻新能源机组j的实际出力；su和sd分别代表开机成本和关机成本；ls是甩负荷，c
l
为甩负荷成本系数。
[0127]
scuc子问题的约束如下所示：
[0128][0129][0130][0131][0132][0133][0134][0135][0136][0137]
[0138][0139][0140][0141][0142][0143]
约束(8)表示系统的总功率平衡；式(9)中，表示发电机组i在t时刻的开/关状态；约束(10)确保新能源出力不能超过约束(11)表明实际负荷等于t时刻所有总线的固定部分和柔性部分的总和；约束(12)表示潮流应该在pl
max
范围内；kp、kr和kd分别是母线发电机组、母线新能源机组和母线负载关联矩阵；sf是位移因子；约束(13)是发电机组爬坡约束，其中dri和uri分别代表发电机组i的下坡和爬坡上限；约束(14)-(15)计算发电机组的开停成本，0-1变量和分别是机组启动和关闭的状态指标，和分别表示机组i在时间t的启动和关停成本；约束(19)-(22)描述了发电机组的最小开/关时间限制，其中和分别表示机组i的最小开和关时间；和分别表示发电机组i的初始开启和关闭时间。
[0144]
上层架构的耦合约束：cdl子问题为所需的操作状态调整所需的负载曲线和新能源消耗量；scuc子问题侧重于实际运行的可行性和最优运行；这两个子问题通过两组耦合约束实现协同优化，即机组开/关状态和res消耗，表示为：
[0145][0146][0147]
s3：将cdl线形传入下层，la以此线形为调节目标，结合自身响应特性，计算出真实运行负荷曲线；
[0148]
在得到负荷准线之后，需求响应中心将此负荷曲线发布到下层架构的la；一旦接收到cdl曲线，la开始评估负荷聚合行为的不确定性，并使灵活负荷曲线形状接近cdl线形；考虑到柔性负荷响应的不确定性，我们以cdl线形为调整目标，在下层优化模型中模拟聚合
负荷期望和偏差；对于每个la，柔性负荷包括工业、住宅和商业负荷；工业负荷响应量较大，且响应不确定性较低，但无法实时响应；住宅和商业负荷响应速度较快，但具有较高的不确定性；
[0149]
1)负荷不确定性
[0150]
由于不同母线的负荷组成不同，所以指定的调节行为和相应的响应特性可能不同；考虑到各种因素，例如个人需求、天气状况、通信故障和其他紧急情况，住宅和商业负荷是不确定的；因此，目标调度计划与实际响应之间的差异是不可避免的；
[0151]
当系统需要发布需求响应(demand response,dr)事件,即需求响应实施机构向电力用户发布含有电力价格、负荷调整或转移量等信息的通知时，la旨在从n个用户中选择最优子集s
t
发出负荷调节指令，使总功率调整到尽可能接近目标值；假设每个用户的调整行为是独立的，并以概率pi参与；若用户k参与，则x
k,t
＝1，相反若用户k拒绝响应，则x
k,t
＝0；用户选取问题采用如算法1所示的离线算法，算法1分两步：1)根据pk由大到小地对用户进行排序，2)根据概率分布p和目标响应值d确定数量k并选择前k个用户：
[0152][0153]
由于聚合的不确定性，实际响应量与和目标响应量之间存在偏差；引入公式(25)中的相对平均偏差rd来评估聚合误差：
[0154][0155]
其中，d
act,k
代表实际聚合量，d是聚合目标量；k是聚合总次数。
[0156]
假设每个la管理20000个用户负荷，其中每个负荷可以提供2.5kw的功率调整量，此外，平均响应概率设置为0.6；图3为目标聚合量与实际聚合值期望的关系图，图4为目标聚合量与响应偏差的关系图；
[0157]
由于响应的不确定性，调整目标与用户的实际响应量之间存在偏差；假设响应期望值v和相对偏差η，则用户的实际响应在区间((1+η)v,(1-η)v)内；为了简化，我们认为在下层优化中响应期望值就是用户的实际响应量；从图3中可以看出期望值与目标值线性相关。此外，当目标值较小时，偏差相对较小，而当目标值超过某一临界点时，则偏差会急剧增加，因此，为了模型的准确性，需要将偏差控制在一定范围内。
[0158]
2)负荷聚合优化
[0159]
la的目标是调节柔性负荷，使其形状尽可能接近cdl线形，同时将偏差保持在合理范围内；从上层架构传下的cdl曲线是一条确定曲线，因此，可以确定得到cdl每个时刻的相对比例，表示为若柔性负荷总量为m，且按照以上比例对柔性负荷进行分配，则得到如下公式：
[0160]
(1+λ2+λ3+...+λ
24
)*p
init
＝m(26)
[0161]
其中，p
init
是t＝1时刻的柔性负荷；因此，在t时刻柔性负荷的调节量就是初始曲线与调整后曲线之间的绝对差值；
[0162]
总调节量中包括了居民负荷和工业负荷；因此，下层la的优化目标函数为：
[0163][0164]
其中，x
res,t
和x
ind,t
分别是居民负荷调节量和工业负荷调节量；x
dev,t
是t时刻的居民负荷偏差；c
res
和c
ind
分别是居民负荷和工业负荷的调节成本系数；c
dev
是居民负荷调节量的偏差成本系数。
[0165]
其余约束如下所示：
[0166][0167][0168][0169][0170][0171][0172][0173][0174][0175][0176][0177][0178][0179]
[0180][0181]
其中，约束(28)表明灵活负荷的调整量包括居民负荷和工业负荷；t
arres,t
和t
arind,t
分别代表居民负荷和工业负荷的目标调整值；l
t
是初始负荷曲线；约束(29)与scuc有关，如果在上一次系统运行过程中出现甩负荷，我们就减少当前运行过程中的负荷，以保证系统的正常运行；是第m次系统运行时的弹性负荷，是第m次系统运行时的固定负载；约束(30)-(35)描述了接收到cdl曲线后居民负荷的调整特性；居民响应负荷的百分比随着调整目标的增加呈三段线图；xres,t为参与dr的用户比例，β
1,t
,β
2,t
和β
3,t
为0-1变量，res
1,t
，res
2,t
和res
3,t
表示三段线的三个拐点的纵坐标值，slope
1,t
，slope
2,t
和slope
3,t
为三段线的斜率，和为三段线四个端点的横坐标值；z
1,t
，z
2,t
和z
3,t
是根据调整目标值在三段线上选定区域的值，其中同时刻只有一个具有特定值，另外两个为零值；约束条件(36)-(41)与(30)-(35)类似，x
dev,t
为居民负荷响应偏差；约束(42)将偏差控制在允许范围内。
[0182]
s4：将真实运行负荷曲线上传到新一轮迭代中的上层架构，重复上述步骤循环迭代，若计算出的负荷准线及真实负荷不再变化，就停止迭代；
[0183]
s5：对la响应后的效果进行评估，确定响应激励；
[0184]
本发明鼓励la将用电曲线调整至贴合负荷准线，使得在负荷侧能够更多消纳新能源，同时使传统发电机出力变平缓，从而降低发电成本和碳排放量。要实现这些目标和收益，需要适当的评估方法来鼓励la积极参与。本发明提出了一种激励评估与再分配方法，由一级激励和二级激励组成；一级分配是根据绝对响应量计算；二级分配则是在一级分配的基础上，对于负荷线形更贴近cdl曲线的用户给予更高激励，对于线形相似度较低的用户进行适量惩罚。
[0185]
1)总激励和一级激励
[0186]
发电成本不仅与负荷有关，还与发电机组的选择和使用有关；当负荷曲线有一段快速爬坡并且需要更多快速发电机组时，成本可能会很高；因此，当总负荷不变且发电机出力曲线相对平坦时，发电成本通常低于发电机出力曲线变化较大时的发电成本。用户准线这一策略能够使得全网用电曲线趋于平稳，能够减少发电成本，从而减少电网侧的购电成本，这一节省的成本可用来对响应用户进行补贴。
[0187]
总激励计算公式为：
[0188][0189]
其中，rev
cdl
和rev
ini
分别代表有无使用cdl的收益，f
cdl
和f
ini
分别是有无使用cdl的成本。
[0190]
一级激励计算公式为：
[0191]
假设n个la的负荷调整量为{x1,x2,...,xn}；首先，根据每个la调整量占总调整量的比重进行响应补贴的第一次分配：
[0192]
[0193]
其中，sk代表lai的一级激励。
[0194]
2)二级激励
[0195]
分别计算n个用户的总负荷曲线，在此定义一个衡量用户负荷曲线与标准负荷准线相似程度的指标：
[0196][0197]
其中，lk(t)是lak响应后的用户曲线；di是两条线之间的欧氏距离，dk越大，就表示lk(t)的相似程度越低；
[0198]
接下来，求出所有用户的平均相似程度：
[0199][0200]
为保证奖励机制的公平性，相似度低于d
ave
的用户应扣除部分激励以奖励相似度高于d
ave
的用户；补偿扣除的计算方法如下：
[0201][0202][0203]
其中，fk代表线形相似度低于d
ave
的用户i在第二次响应激励中扣除的数额；σ是由需求响应中心制定的控制激励方程的常数因子；扣除下来的补贴将会由线形相似程度较高的用户按超出部分的占比接收。
[0204]
下面进行举例说明：
[0205]
实施例：
[0206]
为了验证本文提出的机制的合理性，在ieee6总线系统和118总线系统中进行算例展示。新能源数据来源于pjm网站，负荷数据来自于open energy information(openei)。所有算例均在inteli7 2.1ghz，16gb ram的计算机的matlab 2021a上运行。
[0207]
1、6节点系统
[0208]
1)cdl验证
[0209]
考虑两个算例；算例1和2验证了本发明在高比例新能源渗透下促进新能源消纳以及维护系统运行安全性方面的有效性：
[0210]
算例1：有无cdl的系统经济性对比
[0211]
算例2：有无cdl的系统安全性对比
[0212]
算例1：在本算例中，我们比较新能源渗透率在30％和60％下的新能源消纳情况。
[0213]
从图5中可以看出，当考虑cdl算法时，新能源能够被完全消纳，效果较好。图5展示了在30％渗透率下的cdl曲线和发电机出力。图6(a)比较了本文cdl与传统cdl，可以看出两条线的趋势基本一致，但是仍然有些差异，这些差异是系统运行条件和负荷聚合不确定性造成的。图6(b)是发电机出力对比，可以看出，应用cdl场景下的发电机出力曲线更加平滑，波动更小，相比之下，没有cdl的传统发电机出力波动较为剧烈，需要调用快速爬坡发电机
组，增加了成本。结果显示，有无cdl的发电成本分别为43950美元和36633美元，成本降低了16.6％。
[0214]
算例2：传统的cdl方法只考虑在接收到负荷准线后对柔性负荷进行调整，然而，当la在调整负荷时，可能会出现线路越限的情况。因此，本发明加入了scuc约束以保证电力系统安全。图7和图8说明了本发明的cdl算法对系统安全的有效性。
[0215]
线路潮流临界值设置为100mw。可以看出，本发明提出的cdl使得线路潮流在任何时段都处于线路潮流安全部范围内，而传统cdl中有个别线路潮流发生越限现象。因此，本发明cdl在消纳新能源的同时，也能够有效维护系统安全。
[0216]
2)本算例说明了激励评估和分配机制。图8显示了各la在参与需求响应后调整过的负荷曲线，在此过程中，柔性负荷占总负荷的25％并且只有柔性负荷参与调节。因此，参与需求响应前后的总负荷曲线之间的差异相对较小。然而，这个现象准确说明了本发明的有效性：它不需要大规模改变用户的电力用电习惯，就可以促进新能源的消纳。算例结果表明本发明cdl使成本下降了7313美元。假设节省成本全部用于用户激励，如表一所示。
[0217]
表1 la的一次激励和二次激励
[0218][0219][0220]
一级激励是根据每个la的实际负荷调整量来确定的。然而，每个la的初始负荷曲线各不相同，若la初始用电负荷曲线就接近cdl线形，它的调节量就不会太大，因此，为了激励机制的公平性，我们需要根据la负荷曲线的相似度进行二次激励。
[0221]
二次激励在一次激励的基础之上根据线形相似度进行调整。在此算例中，平均相似度d
ave
＝0.1063。la1到la3相似度低于平均值，因此，要扣除它们部分激励。
[0222][0223][0224][0225]
根据公式(48)，具有较高相似度的la二次激励为：c4＝37,c5＝13,c6＝17,c7＝137,c8＝102。
[0226]
2、118节点系统
[0227]
为了证明所提出的cdl适用于大型电力系统，本算例采用ieee 118节点系统进行说明。
[0228]
我们将所有线路容量都设置为100mw。图10展示了传统cdl模型路线潮流情况，其中186条线中有42条出现了越限现象，其中最坏情况潮流达到了规定值的729％。图11显示当应用本文cdl时，186条线路潮流均在安全范围内，并且仍然消纳了绝大部分的新能源。
[0229]
同样对于118节点系统进行激励机制合理性的验证。图12展示了la的激励分配。蓝色区域代表一次激励，黄色和红色区域分别代表了二次激励的奖励和惩罚。
[0230]
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
[0231]
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。