考虑负荷响应的日内负荷控制方法、装置、设备及介质与流程

1.本发明涉及一种考虑负荷响应的日内负荷控制方法、装置、设备及介质，属于电力系统技术领域。


背景技术：

2.随着电网的发展，能源转型已成为当前经济社会可持续发展的关键问题，国调中心组织推进源网荷储调控能力提升三年行动计划，以“提能力、聚资源、建市场”为三大支柱，开拓可调节负荷通过聚合商作为独立主体接入调度自动化系统，实现多元可调节负荷资源的可观、可测、可控、可调，支撑可调节负荷资源参与电网调度运行，提升电网安全经济运行水平，促进新能源消纳。
3.目前，在营销侧已开展建设的智慧能源服务平台(营销)汇集了大量的可调节负荷，是源网荷储协同调控可吸收的重要负荷资源，可成为调度可控资源的重要对象。智慧能源服务平台(营销)接入负荷侧资源具有数量众多、种类各异、参数差异化严重、运行规律和调节特性千差万别特点，在规模化接入后参与电网调控存在有效感知及精准调控的难题，现有基于单体设备直采直控模式难以适应对智慧能源服务多形态负荷调控，使得电网实时调控策略精准计算和精确控制成为亟待解决的难题。
4.基于以上分析，传统的负荷调控技术已经不能满足当前发展的需要，需要开展考虑智慧能源服务平台(营销)多形态负荷响应特性的实时调控技术研究，实现多形态负荷资源的容错控制，降低负荷侧资源响应不确定性对电网运行的影响。


技术实现要素：

5.本发明的目的在于克服现有技术中的不足，提供一种考虑负荷响应的日内负荷控制方法、装置、设备及介质，解决智慧能源服务平台(营销)接入的负荷侧资源响应不确定性强，难以满足电网实时精准调控需求的技术问题。
6.为达到上述目的，本发明是采用下述技术方案实现的：
7.第一方面，本发明提供了一种考虑负荷响应的日内负荷控制方法，包括：
8.获取目标电力系统中可调节负荷执行调度指令的响应功率和超短期预测值；
9.根据响应功率和超短期预测值计算可调节负荷执行调度指令的条件风险成本；
10.根据条件风险成本构建基于模型预测控制策略的日内优化调度模型；
11.构建日内优化调度模型的目标函数，并求解控制变量策略集；
12.在滚动周期内根据控制变量策略集执行迭代步骤，生成日内调度计划。
13.可选的，所述可调节负荷包括车联网平台、大用户、虚拟电厂、负荷聚合商的负荷资源。
14.可选的，所述根据响应功率和超短期预测值计算可调节负荷执行调度指令的条件风险成本包括：
15.根据响应功率及其超短期预测值计算风险价值和条件风险价值
[0016][0017][0018]
式中，为可调节负荷i在采样时刻t的响应功率的风险价值和条件风险价值，分别为可调节负荷i在采样时刻t的响应功率相较于超短期预测值产生上偏差和下偏差时的风险价值，于超短期预测值产生上偏差和下偏差时的风险价值，分别为可调节负荷i在采样时刻t的响应功率相较于超短期预测值产生上偏差和下偏差时的条件风险价值；p
+
、p-为上偏差和下偏差的门槛值，r为实数，α为置信水平；p
t_i
、y
t_i
分别为可调节负荷i在采样时刻t的响应功率的期望值和确定度，f(p
t_i
,y
t_i
)为不确定功率量，ρ(y)为f(p
t_i
,y
t_i
)的概率密度函数；
[0019]
根据风险价值和条件风险价值计算条件风险成本c
cvar
(t)：
[0020][0021]
式中，c
cvar
(t)为采样时刻t的条件风险成本，i
l,sub
(t)为可调节负荷响应调度指令在采样时刻t的补贴价格，δt为采样时刻间的时段，n
node
为电力系统中可调节负荷的数量。
[0022]
可选的，所述日内优化调度模型的目标函数y为：
[0023]
y＝min c
all
[0024]
[0025][0026]
式中，n为滚动周期的采样时刻数量，c
all
为滚动周期内电力系统的运行总成本；λ为风险偏好相关系数；c
net
(t)为电力系统与大电网在采样时刻t的交互成本，ρ
net
分别为可调节负荷i在采样时刻t与大电网的交互功率和交互电价；c
loss
(t)为电力系统在采样时刻t的有功网损成本，ρm分别为系统支路b的有功网损和平均电价，n
branch
为电力系统中系统支路的数量；c
sub
(t)为电力系统在采样时刻t的补贴成本，为可调节负荷i在采样时刻t的日内优化调度功率；c
op
(t)为电力系统在采样时刻t的运维成本，分别为燃料电池、储能装置和燃汽轮机的有功功率，为燃料电池、储能装置的运维成本，为燃汽轮机的运维成本。
[0027]
可选的，所述控制变量策略集u为：
[0028]
u＝{u(t|t),u(t+δt|t),u(t+2δt|t)
…
u(t+jδt|t)
…
u(t+nδt|t)}
[0029]
式中，u(t+jδt|t)为在采样时刻t获取的采样时刻t+jδt的控制变量矩阵，采样时刻t+jδt的控制变量矩阵u(t+jδt)为：
[0030][0031]
可选的，所述控制变量策略集满足线性潮流约束和可调节负荷约束，所述可调节负荷约束为：
[0032][0033]
式中，为可调节负荷i在采样时刻t的日前优化调度功率，β为约束乘子，p
i,max
为可调节负荷i的调节上限。
[0034]
可选的，所述迭代步骤包括：
[0035]
将控制变量策略集中的第一项u(t|t)作为采样时刻t的调度指令；
[0036]
若t》n，则将采样时刻t的调度指令作为日内调度计划输出；
[0037]
若t≤n，则执行采样时刻t的调度指令，并令t＝t+1；
[0038]
获取目标电力系统中可调节负荷执行调度指令的响应功率和超短期预测值；
[0039]
根据响应功率和超短期预测值计算可调节负荷执行调度指令的条件风险成本；
[0040]
根据条件风险成本构建基于模型预测控制策略的日内优化调度模型；
[0041]
构建日内优化调度模型的目标函数，并求解控制变量策略集。
[0042]
第二方面，本发明提供了一种考虑负荷响应的日内负荷控制装置，所述装置包括：
[0043]
数据获取模块，用于获取目标电力系统中可调节负荷执行调度指令的响应功率和超短期预测值；
[0044]
风险计算模块，用于根据响应功率和超短期预测值计算可调节负荷执行调度指令的条件风险成本；
[0045]
模型构建模块，用于根据条件风险成本构建基于模型预测控制策略的日内优化调度模型；
[0046]
策略求解模块，用于构建日内优化调度模型的目标函数，并求解控制变量策略集；
[0047]
计划生成模块，用于在滚动周期内根据控制变量策略集执行迭代步骤，生成日内调度计划。
[0048]
可选的，所述可调节负荷包括车联网平台、大用户、虚拟电厂、负荷聚合商的负荷资源。
[0049]
可选的，所述风险计算模块具体用于：
[0050]
根据响应功率及其超短期预测值计算风险价值和条件风险价值
[0051][0052][0053]
式中，为可调节负荷i在采样时刻t的响应功率的风险价值和条件风险价值，分别为可调节负荷i在采样时刻t的响应功率相较于超短期预测值产生上偏差和下偏差时的风险价值，于超短期预测值产生上偏差和下偏差时的风险价值，分别为可调节负荷i在采样时刻t的响应功率相较于超短期预测值产生上偏差和下偏差时的条件风险价值；p
+
、p-为上偏差和下偏差的门槛值，r为实数，α为置信水平；p
t_i
、y
t_i
分别为可调节负荷
i在采样时刻t的响应功率的期望值和确定度，f(p
t_i
,y
t_i
)为不确定功率量，ρ(y)为f(p
t_i
,y
t_i
)的概率密度函数；
[0054]
根据风险价值和条件风险价值计算条件风险成本c
cvar
(t)：
[0055][0056]
式中，c
cvar
(t)为采样时刻t的条件风险成本，i
l,sub
(t)为可调节负荷响应调度指令在采样时刻t的补贴价格，δt为采样时刻间的时段，n
node
为电力系统中可调节负荷的数量。
[0057]
可选的，所述策略求解模块构建的日内优化调度模型的目标函数y为：
[0058]
y＝min c
all
[0059][0060][0061]
式中，n为滚动周期的采样时刻数量，c
all
为滚动周期内电力系统的运行总成本；λ为风险偏好相关系数；c
net
(t)为电力系统与大电网在采样时刻t的交互成本，ρ
net
分别为可调节负荷i在采样时刻t与大电网的交互功率和交互电价；c
loss
(t)为电力系统在采样时刻t的有功网损成本，ρm分别为系统支路b的有功网损和平均电价，n
branch
为电力系统中系统支路的数量；c
sub
(t)为电力系统在采样时刻t的补贴成本，为可调节负荷i在采样时刻t的日内优化调度功率；c
op
(t)为电力系统在采样时刻t的运维成本，分别为燃料电池、储能装置和燃汽轮机的有功功率，为燃料电池、储能装置的运维成本，为燃汽轮机的运维成本。
[0062]
可选的，所述策略求解模块求解的控制变量策略集u为：
[0063]
u＝{u(t|t),u(t+δt|t),u(t+2δt|t)
…
u(t+jδt|t)
…
u(t+nδt|t)}
[0064]
式中，u(t+jδt|t)为在采样时刻t获取的采样时刻t+jδt的控制变量矩阵，采样
时刻t+jδt的控制变量矩阵u(t+jδt)为：
[0065][0066]
可选的，所述控制变量策略集满足线性潮流约束和可调节负荷约束，所述可调节负荷约束为：
[0067][0068]
式中，为可调节负荷i在采样时刻t的日前优化调度功率，β为约束乘子，p
i,max
为可调节负荷i的调节上限。
[0069]
可选的，所述计划生成模块执行的迭代步骤包括：
[0070]
将控制变量策略集中的第一项u(t|t)作为采样时刻t的调度指令；
[0071]
若t》n，则将采样时刻t的调度指令作为日内调度计划输出；
[0072]
若t≤n，则执行采样时刻t的调度指令，并令t＝t+1；
[0073]
获取目标电力系统中可调节负荷执行调度指令的响应功率和超短期预测值；
[0074]
根据响应功率和超短期预测值计算可调节负荷执行调度指令的条件风险成本；
[0075]
根据条件风险成本构建基于模型预测控制策略的日内优化调度模型；
[0076]
构建日内优化调度模型的目标函数，并求解控制变量策略集。
[0077]
第三方面，本发明提供了一种电子设备，包括处理器及存储介质；
[0078]
所述存储介质用于存储指令；
[0079]
所述处理器用于根据所述指令进行操作以执行上述方法的步骤。
[0080]
第四方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时上述方法的步骤。
[0081]
与现有技术相比，本发明所达到的有益效果：
[0082]
本发明提供的一种考虑负荷响应的日内负荷控制方法、装置、设备及介质，其方法首先采集多形态可调节负荷对调度指令的响应数据，利用基于cvar对响应数据的不确定性进行描述，将描述可调节负荷响应不确定性的条件风险成本加入总成本，使用自适应鲁棒模型预测控制(armpc)日内趋势优化模型求解优化周期内的控制指令，下发控制指令至多形态可调节负荷，循环执行以上步骤，能够实现多形态负荷资源的容错控制，降低负荷侧资源响应不确定性对电网运行。因此，本发明的方法作为可调度负荷容错控制的重要途径，易于部署，具备在实际电力系统应用的条件，具有良好的应用前景；其装置、设备及介质基于上述方法能够实现相应的技术效果。
附图说明
[0083]
图1是本发明实施例一提供的一种考虑负荷响应的日内负荷控制方法的流程图。
具体实施方式
[0084]
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
[0085]
实施例一：
[0086]
如图1所示，本发明实施例提供了一种考虑负荷响应的日内负荷控制方法，包括以下步骤：
[0087]
1、获取目标电力系统中可调节负荷执行调度指令的响应功率和超短期预测值；
[0088]
2、根据响应功率和超短期预测值计算可调节负荷执行调度指令的条件风险成本；
[0089]
3、根据条件风险成本构建基于模型预测控制策略的日内优化调度模型；
[0090]
4、构建日内优化调度模型的目标函数，并求解控制变量策略集；
[0091]
5、在滚动周期内根据控制变量策略集执行迭代步骤，生成日内调度计划。
[0092]
滚动周期设置为4小时，求解计算时间间隔为15min，每隔1小时滚动制定一次调度计划，一次滚动周期包含16个采样时刻。具体的过程如下：
[0093]
s1、初始化采样时刻t＝1。
[0094]
s2、获取在采样时刻t的目标电力系统中可调节负荷执行调度指令的响应功率和超短期预测值；
[0095]
可调节负荷为智慧能源服务平台(营销)接入的多形态可调节负荷，主要包括车联网平台、大用户、虚拟电厂、负荷聚合商的负荷资源。
[0096]
s3、根据响应功率和超短期预测值计算可调节负荷执行调度指令的条件风险成本；包括：
[0097]
s31、根据响应功率及其超短期预测值计算风险价值和条件风险价值
[0098][0099][0100]
式中，为可调节负荷i在采样时刻t的响应功率的风险价值和条件风险价值，分别为可调节负荷i在采样时刻t的响应功率相较于超短期预测值产生上偏差和下偏差时的风险价值，于超短期预测值产生上偏差和下偏差时的风险价值，分别为可调节负荷i在采样时刻t的响应功率相较于超短期预测值产生上偏差和下偏差时的条件风险价值；p
+
、p-为上偏差和下偏差的门槛值，r为实数，α为置信水平；p
t_i
、y
t_i
分别为可调节负荷
i在采样时刻t的响应功率的期望值和确定度，f(p
t_i
,y
t_i
)为不确定功率量，ρ(y)为f(p
t_i
,y
t_i
)的概率密度函数；
[0101]
s32、根据风险价值和条件风险价值计算条件风险成本c
cvar
(t)：
[0102][0103]
式中，c
cvar
(t)为采样时刻t的条件风险成本，i
l,sub
(t)为可调节负荷响应调度指令在采样时刻t的补贴价格，δt为采样时刻间的时段，n
node
为电力系统中可调节负荷的数量。
[0104]
s4、根据条件风险成本构建基于模型预测控制策略的日内优化调度模型；
[0105]
日内优化调度模型c
all
为：
[0106][0107][0108]
式中，n为滚动周期的采样时刻数量，c
all
为滚动周期内电力系统的运行总成本；λ为风险偏好相关系数；c
net
(t)为电力系统与大电网在采样时刻t的交互成本，ρ
net
分别为可调节负荷i在采样时刻t与大电网的交互功率和交互电价；c
loss
(t)为电力系统在采样时刻t的有功网损成本，ρm分别为系统支路b的有功网损和平均电价，n
branch
为电力系统中系统支路的数量；c
sub
(t)为电力系统在采样时刻t的补贴成本，为可调节负荷i在采样时刻t的日内优化调度功率；c
op
(t)为电力系统在采样时刻t的运维成本，分别为燃料电池、储能装置和燃汽轮机的有功功率，为燃料电池、储能装置的运维成本，为燃汽轮机的运维成本。
[0109]
s5、构建日内优化调度模型的目标函数，并求解控制变量策略集；
[0110]
s51、日内优化调度模型的目标函数：y＝min c
all
；
[0111]
s52、控制变量策略集u为：
[0112]
u＝{u(t|t),u(t+δt|t),u(t+2δt|t)
…
u(t+jδt|t)
…
u(t+nδt|t)}
[0113]
式中，u(t+jδt|t)为在采样时刻t获取的采样时刻t+jδt的控制变量矩阵，采样时刻t+jδt的控制变量矩阵u(t+jδt)为：
[0114][0115]
其中，控制变量策略集满足线性潮流约束和可调节负荷约束，可调节负荷约束为：
[0116][0117]
式中，为可调节负荷i在采样时刻t的日前优化调度功率，β为约束乘子，p
i,max
为可调节负荷i的调节上限。
[0118]
s6、将控制变量策略集中的第一项u(t|t)作为采样时刻t的调度指令；
[0119]
若t》n，则将采样时刻t的调度指令作为日内调度计划输出；
[0120]
若t≤n，则执行采样时刻t的调度指令，并令t＝t+1，并重复步骤s2-s6。
[0121]
实施例二：
[0122]
本发明实施例提供了一种考虑负荷响应的日内负荷控制装置，装置包括：
[0123]
数据获取模块，用于获取目标电力系统中可调节负荷执行调度指令的响应功率和超短期预测值；可调节负荷包括车联网平台、大用户、虚拟电厂、负荷聚合商的负荷资源；
[0124]
风险计算模块，用于根据响应功率和超短期预测值计算可调节负荷执行调度指令的条件风险成本；
[0125]
模型构建模块，用于根据条件风险成本构建基于模型预测控制策略的日内优化调度模型；
[0126]
策略求解模块，用于构建日内优化调度模型的目标函数，并求解控制变量策略集；
[0127]
计划生成模块，用于在滚动周期内根据控制变量策略集执行迭代步骤，生成日内调度计划。
[0128]
具体的，(1)、风险计算模块具体用于：
[0129]
根据响应功率及其超短期预测值计算风险价值和条件风险价值
[0130]
[0131][0132]
式中，为可调节负荷i在采样时刻t的响应功率的风险价值和条件风险价值，分别为可调节负荷i在采样时刻t的响应功率相较于超短期预测值产生上偏差和下偏差时的风险价值，于超短期预测值产生上偏差和下偏差时的风险价值，分别为可调节负荷i在采样时刻t的响应功率相较于超短期预测值产生上偏差和下偏差时的条件风险价值；p
+
、p-为上偏差和下偏差的门槛值，r为实数，α为置信水平；p
t_i
、y
t_i
分别为可调节负荷i在采样时刻t的响应功率的期望值和确定度，f(p
t_i
,y
t_i
)为不确定功率量，ρ(y)为f(p
t_i
,y
t_i
)的概率密度函数；
[0133]
根据风险价值和条件风险价值计算条件风险成本c
cvar
(t)：
[0134][0135]
式中，c
cvar
(t)为采样时刻t的条件风险成本，i
l,sub
(t)为可调节负荷响应调度指令在采样时刻t的补贴价格，δt为采样时刻间的时段，n
node
为电力系统中可调节负荷的数量。
[0136]
(2)、策略求解模块构建的日内优化调度模型的目标函数y为：
[0137]
y＝min c
all
[0138][0139][0140]
式中，n为滚动周期的采样时刻数量，c
all
为滚动周期内电力系统的运行总成本；λ
为风险偏好相关系数；c
net
(t)为电力系统与大电网在采样时刻t的交互成本，ρ
net
分别为可调节负荷i在采样时刻t与大电网的交互功率和交互电价；c
loss
(t)为电力系统在采样时刻t的有功网损成本，ρm分别为系统支路b的有功网损和平均电价，n
branch
为电力系统中系统支路的数量；c
sub
(t)为电力系统在采样时刻t的补贴成本，为可调节负荷i在采样时刻t的日内优化调度功率；c
op
(t)为电力系统在采样时刻t的运维成本，分别为燃料电池、储能装置和燃汽轮机的有功功率，为燃料电池、储能装置的运维成本，为燃汽轮机的运维成本。
[0141]
(3)、策略求解模块求解的控制变量策略集u为：
[0142]
u＝{u(t|t),u(t+δt|t),u(t+2δt|t)
…
u(t+jδt|t)
…
u(t+nδt|t)}
[0143]
式中，u(t+jδt|t)为在采样时刻t获取的采样时刻t+jδt的控制变量矩阵，采样时刻t+jδt的控制变量矩阵u(t+jδt)为：
[0144][0145]
(4)、控制变量策略集满足线性潮流约束和可调节负荷约束，可调节负荷约束为：
[0146][0147]
式中，为可调节负荷i在采样时刻t的日前优化调度功率，β为约束乘子，p
i,max
为可调节负荷i的调节上限。
[0148]
(5)、计划生成模块执行的迭代步骤包括：
[0149]
将控制变量策略集中的第一项u(t|t)作为采样时刻t的调度指令；
[0150]
若t》n，则将采样时刻t的调度指令作为日内调度计划输出；
[0151]
若t≤n，则执行采样时刻t的调度指令，并令t＝t+1；
[0152]
获取目标电力系统中可调节负荷执行调度指令的响应功率和超短期预测值；
[0153]
根据响应功率和超短期预测值计算可调节负荷执行调度指令的条件风险成本；
[0154]
根据条件风险成本构建基于模型预测控制策略的日内优化调度模型；
[0155]
构建日内优化调度模型的目标函数，并求解控制变量策略集。
[0156]
实施例三：
[0157]
基于实施例一，本发明实施例提供了一种电子设备，包括处理器及存储介质；
[0158]
存储介质用于存储指令；
[0159]
处理器用于根据指令进行操作以执行上述方法的步骤。
[0160]
实施例四：
[0161]
基于实施例一，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时上述方法的步骤。
[0162]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机
可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0163]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0164]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0165]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0166]
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

技术特征：
1.一种考虑负荷响应的日内负荷控制方法，其特征在于，包括：获取目标电力系统中可调节负荷执行调度指令的响应功率和超短期预测值；根据响应功率和超短期预测值计算可调节负荷执行调度指令的条件风险成本；根据条件风险成本构建基于模型预测控制策略的日内优化调度模型；构建日内优化调度模型的目标函数，并求解控制变量策略集；在滚动周期内根据控制变量策略集执行迭代步骤，生成日内调度计划。2.根据权利要求1所述的一种考虑负荷响应的日内负荷控制方法，其特征在于，所述可调节负荷包括车联网平台、大用户、虚拟电厂、负荷聚合商的负荷资源。3.根据权利要求1所述的一种考虑负荷响应的日内负荷控制方法，其特征在于，所述根据响应功率和超短期预测值计算可调节负荷执行调度指令的条件风险成本包括：根据响应功率及其超短期预测值计算风险价值和条件风险价值和条件风险价值和条件风险价值式中，为可调节负荷i在采样时刻t的响应功率的风险价值和条件风险价值，分别为可调节负荷i在采样时刻t的响应功率相较于超短期预测值产生上偏差和下偏差时的风险价值，短期预测值产生上偏差和下偏差时的风险价值，分别为可调节负荷i在采样时刻t的响应功率相较于超短期预测值产生上偏差和下偏差时的条件风险价值；p
+
、p-为上偏差和下偏差的门槛值，r为实数，α为置信水平；p
t_i
、y
t_i
分别为可调节负荷i在采样时刻t的响应功率的期望值和确定度，f(p
t_i
,y
t_i
)为不确定功率量，ρ(y)为f(p
t_i
,y
t_i
)的概率密度函数；根据风险价值和条件风险价值计算条件风险成本c
cvar
(t)：式中，c
cvar
(t)为采样时刻t的条件风险成本，i
l,sub
(t)为可调节负荷响应调度指令在采样时刻t的补贴价格，δt为采样时刻间的时段，n
node
为电力系统中可调节负荷的数量。
4.根据权利要求3所述的一种考虑负荷响应的日内负荷控制方法，其特征在于，所述日内优化调度模型的目标函数y为：y＝min c
allall
式中，n为滚动周期的采样时刻数量，c
all
为滚动周期内电力系统的运行总成本；λ为风险偏好相关系数；c
net
(t)为电力系统与大电网在采样时刻t的交互成本，ρ
net
分别为可调节负荷i在采样时刻t与大电网的交互功率和交互电价；c
loss
(t)为电力系统在采样时刻t的有功网损成本，ρ
m
分别为系统支路b的有功网损和平均电价，n
branch
为电力系统中系统支路的数量；c
sub
(t)为电力系统在采样时刻t的补贴成本，为可调节负荷i在采样时刻t的日内优化调度功率；c
op
(t)为电力系统在采样时刻t的运维成本，分别为燃料电池、储能装置和燃汽轮机的有功功率，为燃料电池、储能装置的运维成本，为燃汽轮机的运维成本。5.根据权利要求4所述的一种考虑负荷响应的日内负荷控制方法，其特征在于，所述控制变量策略集u为：u＝{u(t|t),u(t+δt|t),u(t+2δt|t)
…
u(t+jδt|t)
…
u(t+nδt|t)}式中，u(t+jδt|t)为在采样时刻t获取的采样时刻t+jδt的控制变量矩阵，采样时刻t+jδt的控制变量矩阵u(t+jδt)为：6.根据权利要求5所述的一种考虑负荷响应的日内负荷控制方法，其特征在于，所述控制变量策略集满足线性潮流约束和可调节负荷约束，所述可调节负荷约束为：
式中，为可调节负荷i在采样时刻t的日前优化调度功率，β为约束乘子，p
i,max
为可调节负荷i的调节上限。7.根据权利要求5所述的一种考虑负荷响应的日内负荷控制方法，其特征在于，所述迭代步骤包括：将控制变量策略集中的第一项u(t|t)作为采样时刻t的调度指令；若t>n，则将采样时刻t的调度指令作为日内调度计划输出；若t≤n，则执行采样时刻t的调度指令，并令t＝t+1；获取目标电力系统中可调节负荷执行调度指令的响应功率和超短期预测值；根据响应功率和超短期预测值计算可调节负荷执行调度指令的条件风险成本；根据条件风险成本构建基于模型预测控制策略的日内优化调度模型；构建日内优化调度模型的目标函数，并求解控制变量策略集。8.一种考虑负荷响应的日内负荷控制装置，其特征在于，所述装置包括：数据获取模块，用于获取目标电力系统中可调节负荷执行调度指令的响应功率和超短期预测值；风险计算模块，用于根据响应功率和超短期预测值计算可调节负荷执行调度指令的条件风险成本；模型构建模块，用于根据条件风险成本构建基于模型预测控制策略的日内优化调度模型；策略求解模块，用于构建日内优化调度模型的目标函数，并求解控制变量策略集；计划生成模块，用于在滚动周期内根据控制变量策略集执行迭代步骤，生成日内调度计划。9.根据权利要求8所述的一种考虑负荷响应的日内负荷控制装置，其特征在于，所述可调节负荷包括车联网平台、大用户、虚拟电厂、负荷聚合商的负荷资源。10.根据权利要求8所述的一种考虑负荷响应的日内负荷控制装置，其特征在于，所述风险计算模块具体用于：根据响应功率及其超短期预测值计算风险价值和条件风险价值和条件风险价值和条件风险价值
式中，为可调节负荷i在采样时刻t的响应功率的风险价值和条件风险价值，分别为可调节负荷i在采样时刻t的响应功率相较于超短期预测值产生上偏差和下偏差时的风险价值，短期预测值产生上偏差和下偏差时的风险价值，分别为可调节负荷i在采样时刻t的响应功率相较于超短期预测值产生上偏差和下偏差时的条件风险价值；p
+
、p-为上偏差和下偏差的门槛值，r为实数，α为置信水平；p
t_i
、y
t_i
分别为可调节负荷i在采样时刻t的响应功率的期望值和确定度，f(p
t_i
,y
t_i
)为不确定功率量，ρ(y)为f(p
t_i
,y
t_i
)的概率密度函数；根据风险价值和条件风险价值计算条件风险成本c
cvar
(t)：式中，c
cvar
(t)为采样时刻t的条件风险成本，i
l,sub
(t)为可调节负荷响应调度指令在采样时刻t的补贴价格，δt为采样时刻间的时段，n
node
为电力系统中可调节负荷的数量。11.根据权利要求10所述的一种考虑负荷响应的日内负荷控制装置，其特征在于，所述策略求解模块构建的日内优化调度模型的目标函数y为：y＝min c
allall
式中，n为滚动周期的采样时刻数量，c
all
为滚动周期内电力系统的运行总成本；λ为风险偏好相关系数；c
net
(t)为电力系统与大电网在采样时刻t的交互成本，ρ
net
分别为可调节负荷i在采样时刻t与大电网的交互功率和交互电价；c
loss
(t)为电力系统在采样时刻t的有功网损成本，ρ
m
分别为系统支路b的有功网损和平均电价，n
branch
为电力系统中系统支路的数量；c
sub
(t)为电力系统在采样时刻t的补贴成本，p
if
(t)为可调节负
荷i在采样时刻t的日内优化调度功率；c
op
(t)为电力系统在采样时刻t的运维成本，分别为燃料电池、储能装置和燃汽轮机的有功功率，为燃料电池、储能装置的运维成本，为燃汽轮机的运维成本。12.根据权利要求11所述的一种考虑负荷响应的日内负荷控制装置，其特征在于，所述策略求解模块求解的控制变量策略集u为：u＝{u(t|t),u(t+δt|t),u(t+2δt|t)
…
u(t+jδt|t)
…
u(t+nδt|t)}式中，u(t+jδt|t)为在采样时刻t获取的采样时刻t+jδt的控制变量矩阵，采样时刻t+jδt的控制变量矩阵u(t+jδt)为：。13.根据权利要求12所述的一种考虑负荷响应的日内负荷控制装置，其特征在于，所述控制变量策略集满足线性潮流约束和可调节负荷约束，所述可调节负荷约束为：式中，为可调节负荷i在采样时刻t的日前优化调度功率，β为约束乘子，p
i,max
为可调节负荷i的调节上限。14.根据权利要求12所述的一种考虑负荷响应的日内负荷控制装置，其特征在于，所述计划生成模块执行的迭代步骤包括：将控制变量策略集中的第一项u(t|t)作为采样时刻t的调度指令；若t>n，则将采样时刻t的调度指令作为日内调度计划输出；若t≤n，则执行采样时刻t的调度指令，并令t＝t+1；获取目标电力系统中可调节负荷执行调度指令的响应功率和超短期预测值；根据响应功率和超短期预测值计算可调节负荷执行调度指令的条件风险成本；根据条件风险成本构建基于模型预测控制策略的日内优化调度模型；构建日内优化调度模型的目标函数，并求解控制变量策略集。15.一种电子设备，其特征在于，包括处理器及存储介质；所述存储介质用于存储指令；所述处理器用于根据所述指令进行操作以执行根据权利要求1-7任一项所述方法的步骤。16.计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-7任一项所述方法的步骤。

技术总结
本发明公开了一种考虑负荷响应的日内负荷控制方法、装置、设备及介质，其方法包括获取目标电力系统中可调节负荷执行调度指令的响应功率和超短期预测值；根据响应功率和超短期预测值计算可调节负荷执行调度指令的条件风险成本；根据条件风险成本构建基于模型预测控制策略的日内优化调度模型；构建日内优化调度模型的目标函数，并求解控制变量策略集；在滚动周期内根据控制变量策略集执行迭代步骤，生成日内调度计划；本发明能够实现多形态负荷资源的容错控制，降低负荷侧资源响应不确定性对电网运行的影响。电网运行的影响。电网运行的影响。


技术研发人员：田瑞平 王磊 马钢 杨科 张杰 王毅 刘嘉华 许翔泰 陈冰松 李得民 翟晓宇
受保护的技术使用者：国网电力科学研究院有限公司 国网天津市电力公司 国家电网有限公司
技术研发日：2023.04.12
技术公布日：2023/7/28