一种基于峰谷期望及动态电价的可控负荷最优调控方法与流程

1.本发明涉及电力系统负荷调控技术领域，尤其涉及一种基于峰谷期望及动态电价的可控负荷最优调控方法。


背景技术：

2.随着高比例新能源及高比例电力电子设备接入，导致系统有效转动惯量减小、阻尼弱化，当系统受到扰动时，系统对电压和频率的支撑能力变弱，电力系统的稳定性受到挑战,供需平衡不足的情况下，负荷侧需求响应是有效的解决方案之一，但目前，负荷侧数以万计的可控负荷潜力仍然未能被充分挖掘，无法直接参与到电网调控过程中，造成用户负荷资源被浪费。
3.在新型电力系统的源-网-荷-储架构下，风电、光伏等新能源场站大规模并网，由于风、光等新能源自身固有的随机性与间歇性，导致源侧出力从可控变为不可控，严重影响电力系统的安全稳定运行，为此，如何通过设置合理的电价政策、激励手段，将传统负荷侧的随机性、不可控性进行重规划并充分调用，改变以往源随荷动的情况，仍是现今电力系统主要面临的难题之一；目前，负荷侧需求响应的开发已经得到国内外各界的广泛关注，如何利用组合优化方法，构建以用户侧支出最小为目标函数，建立相关的调控及电价约束，并选择合适的优化方法，保证系统安全的调度运行，促进负荷侧在电网中发挥互动作用，仍然还需要进一步研究，在电网实时负荷调控过程中快速准确地获得负荷调控结果对于保证电网稳定运行至关重要，获得负荷调控结果的响应速度慢，会导致电力系统的频率不稳定，存在降低电能质量，引发电网故障的隐患，负荷调控结果不准确，会给用户与电网带来经济损失。


技术实现要素：

4.本发明提供了一种基于峰谷期望及动态电价的可控负荷最优调控方法，通过建立基于峰谷期望的动态电价制定方法，在动态电价制定时只需要将当前负荷值与峰谷期望值进行比较并计算，避免了以往通过期望负荷计算的方式，减少了求解期望负荷的步骤，降低了计算量，可节约负荷调控过程所需计算时间，提高电网的调度能力，使用了蛇优化算法对负荷调控结果进行求解，寻优算法收敛速度更快，可以快速获得可控负荷调控结果，使得调控精度更高，跳出局部最优的能力强，能够找到全局的最优结果，获得准确的可控负荷调节方案，有效的减少了用户的用电成本，增强了电网的安全性及稳定性。
5.为了达到上述目的，本发明采用以下技术方案实现：
6.一种基于峰谷期望及动态电价的可控负荷最优调控方法，包括如下步骤：
7.1)创建可控负荷用电量模型和不可控负荷用电量模型；
8.2)创建用户侧效益函数；
9.3)建立基于峰谷期望的动态电价优化调节策略及可控约束；
10.4)根据可控负荷的调节能力上下限对蛇群位置进行初始化，确定蛇群中每一条蛇
的位置，即调节后可控负荷量，通过适应度函数分别找到每一轮迭代过程中蛇群里最优的雄蛇与最优的雌蛇，找到使得用户侧效益最大的可控负荷量，设定食物量与温度两个参数条件来改变蛇的寻食、战斗和繁殖行为，每种行为与蛇的性别分别对应着不同的位置变换率，通过迭代不断更新蛇种群的位置，分别找到最优的雄性个体与最优的雌性个体，将二者的适应度值进行比较，最终找到使得适应度函数最大的蛇的位置，即求得最优负荷，通过电力负荷平坦指数ψ来验证调控结果的平稳情况。
11.进一步的，所述步骤1)中各时段可控负荷用电量模型及约束条件如下：
[0012][0013]
其中，k为每个用电周期划分的用电时段个数，pk为第k时段可控用电负荷用电量，p为各时段可控用电负荷集合，m为一个用电周期可控负荷的用电量集合，p
max
为各时段可控负荷调控过程中最小调控电量，p
max
为各时段可控负荷调控过程中最大调控电量，p(i)为1,2,
…
,k时刻中每一时刻的可控负荷用电量；
[0014]
各时段不可控负荷用电量模型如下：
[0015]
v＝[v1,v2,v3,...,v
k-1
,vk]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0016]
其中，v为一个用电周期不可控负荷的用电量集合，vk为各时段不可控负荷的用电负荷集合。
[0017]
进一步的，所述步骤2)中以电力用户支出费用最小为目标的用户侧效益函数具体如下：
[0018][0019]
其中，s(i)为第i时刻对应的动态电价，v(i)为1，2，...，k时段中每时段的不可控用电负荷，minc
p
为可控负荷支出的最小费用，mincv为不可控负荷支出的最小费用，minc
tatol
为总电力用户支出最小费用。
[0020]
进一步的，所述步骤3)中一个用电周期中各时段动态电价为：
[0021][0022]
其中，sk为第k时段的动态电价，s0(i)为初始电价，s
*
(i)为激励电价；
[0023]
激励电价具体公式如下：
[0024][0025]
σ为用电负荷偏离峰谷期望的激励系数，m
max
为峰谷期望负荷值的最大值，m
min
为峰
谷期望负荷值的最小值，当前用电负荷量大于峰谷期望值的最大值或小于峰谷期望值的最大值最小值，则动态电价进行调整，当前负荷值大于峰谷期望最小值，小于峰谷期望最大值时，动态电价为0；
[0026]
对峰谷电价进行约束，约束条件如下：
[0027][0028]
γ为最大峰谷负荷差，maxm
*
(i)为调控优化后的第i时刻的最大负荷值，minm
*
(i)为调控后的第i时刻的最小负荷值，α为最大峰谷电价比参数，maxsi为动态电价中的峰值电价，minsi为动态电价中的谷值电价。
[0029]
通过负荷调控结果与优化电价结果求解用户最优效益结果，具体公式如下：
[0030]
c*
total
＝c*
p
+cvꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)
[0031][0032]
其中，c*
total
为优化后的用户最优总效益结果，c*
p
为优化后的可控负荷支出，p*(i)为优化后的每时段可控负荷值.
[0033]
进一步的，所述步骤4)中利用蛇优化算法获得最优可控负荷，具体步骤如下：
[0034]
(1)确定最优可控负荷量，根据可控负荷的调节能力上下限，对蛇群的位置即可控负荷的量进行初始化，并将蛇群平均分为雄性和雌性，
[0035][0036]
其中，sk
i,u
为初始化后第u条蛇的位置，y为总个体数，n为维数，l
max
为可控负荷调节的上边界，l
min
为可控负荷调节的下边界，r取0到1之间的随机数，sk
m,j
、sk
f,j
分别为第j条雄蛇与第j条雌蛇；
[0037]
(2)对蛇群行为有影响的关键因素温度temp和食物数量fq只与迭代次数有关，当食物数量fq小于边界值0.25时，蛇群会变换位置，来寻找食物，并且雄性与雌性蛇有不同的位置变换方式，雄蛇的位置变换建模如下式所示：
[0038][0039][0040]
其中，sk
m,j
是第j条雄蛇的位置。雄蛇群中随机一条蛇的位置，a
m,j
为雄蛇寻食能力，c2为常数，等于0.05，f
m,r
表示选取的随机雄蛇的适应度，f
m,j
表示群体中第j只雄
蛇的适应度，其适应度是当可控负荷的量为第j条雄蛇的位置时的用户侧效益；
[0041]
雌蛇的位置建模如下所示：
[0042][0043][0044]
(3)当食物数量大于设定食物边界值时，蛇的行为会根据温度的变化而进行变化，也就有不同的位置变换方式，如果temp大于0.6，那么蛇位置如下式更新：
[0045]
sk
i,u
(g+1)＝skb±
c3×
temp
×r∈(0,1)
×
(sk
b-sk
i,u
(g))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(14)
[0046]
其中，skb表示最优个体位置，c3是相关系数，根据实际情况选取，如果temp小于0.6，那么蛇将随机处于战斗或者交配模式，雄蛇战斗模式的模型为：
[0047]
sk
i,j
(g+1)＝sk
(i,j)
(g)
±
c3×fm,j
×r×
(sk
m,b-sk
m,j
(g))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(15)
[0048][0049]
其中，sk
m,b
表示最优雄蛇位置，f
m,j
为雄蛇战斗力；
[0050]
同理，雌蛇的战斗模式的模型为
[0051]
sk
i,j
(g+1)＝sk
(i,j)
(g)
±
c3×fi,f
×r×
(sk
b,m-sk
i,f
(g))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(17)
[0052][0053]
(4)交配模式下，雄蛇与雌蛇的位置更新律为：
[0054]
sk
m,j
(g+1)＝sk
(m,j)
(g)
±
c3×mm,j
×r×
(q
×
sk
f,j-sk
m,j
(g))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(19)
[0055][0056]
sk
f,j
(g+1)＝sk
f,j
(g)
±
c3×mf,j
×r×
(q
×
sk
m,j-sk
f,j
(g+1))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(21)
[0057][0058]
其中，m
m,j
和m
f,j
表示雄蛇与雌蛇的交配能力；
[0059]
在每一次迭代中，蛇优化算法会首先找到每代个体中的最佳的雄性个体和最佳的雌性个体，然后进一步在二者之中找到最佳个体，即所求出的最佳负荷。
[0060]
进一步的，所述步骤4)中通过电力负荷平坦指数ψ来验证调控结果的平稳情况，具体表示如下：
[0061][0062]
其中，φ为优化后负荷曲线的峰度，γ为优化后负荷曲线的偏度，具体表示如下：
[0063][0064][0065]
其中，为调控后的负荷平均值，m
*
(i)为调控后的第i时刻的负荷值。
[0066]
与现有技术相比，本发明的有益效果是：
[0067]
1)通过建立基于峰谷期望的动态电价制定方法，在动态电价制定时只需要将当前负荷值与峰谷期望值进行比较并计算，避免了以往通过期望负荷计算的方式，减少了求解期望负荷的步骤，降低了计算量，可节约负荷调控过程所需计算时间，提高电网的调度能力；
[0068]
2)使用了蛇优化算法对负荷调控结果进行求解，寻优算法收敛速度更快，可以快速获得可控负荷调控结果，使得调控精度更高，跳出局部最优的能力强，能够找到全局的最优结果；
[0069]
3)获得准确的可控负荷调节方案，有效的减少了用户的用电成本，增强了电网的安全性及稳定性。
附图说明
[0070]
图1是本发明的方法流程图。
[0071]
图2是本发明的原始负荷曲线及期望峰谷值曲线示意图。
[0072]
图3是本发明调控后的负荷曲线与原始负荷曲线对比图。
[0073]
图4是本发明的可控负荷调度图。
[0074]
图5是本发明的动态电价柱状图。
[0075]
图6是本发明蛇优化方法的迭代优化曲线示意图。
具体实施方式
[0076]
下面结合附图对本发明的具体实施方式作进一步说明：
[0077]
见图1，是本发明的方法流程图。本发明一种基于峰谷期望及动态电价的可控负荷最优调控方法，具体步骤如下：
[0078]
1)创建可在调控策略中表明响应类型的可控负荷用电模型及不可控负荷用电模型；
[0079]
2)建立以电力用户支出费用最小为目标的用户侧效益函数及其约束；
[0080]
3)建立基于峰谷期望的动态电价优化调节策略及可控约束；
[0081]
4)使用蛇优化算法建立负荷调控机制，利用用户侧效益函数获得负荷优化调度结果。
[0082]
进一步的，所述步骤1)中，创建可在调控策略中表明响应类型的可控负荷用电模
型及不可控负荷用电模型，具体如下：
[0083]
由于各类负荷的运行特征和可调节潜力不同，因此各类负荷响应电价进行调控的情况也不同，为了表示实际中各类型负荷对建立的优化调度方法的响应情况，将负荷划分为可控负荷与不可控负荷，其中，可控负荷表示为具有可控潜力，且可以响应动态电价进行调整的负荷部分，不可控负荷表示为不随电价激励或负荷优化政策而改变的负荷部分，例如公共设施用电、维持社会基本运行用电；
[0084]
设置一个用电周期为一天，将每个用电周期划分为k个用电时段，因此，每个用电周期的各时段用电情况可表示为：
[0085]
m＝[m1,m2,m3,lm
k-1
,mk]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(26)
[0086]
其中，m代表一个用电周期的可控负荷和不可控负荷的用电量总集合，m1,m2,k,mk代表划分出的各个时段用电量；
[0087]
可控负荷用电量集合p为：
[0088]
p＝[p1,p2,p3,l,p
k-1
,pk]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(27)
[0089]
p1,p2,k,pk为总负荷中各时段的可控负荷的用电量；
[0090]
为了保证响应过程中的系统安全稳定运行，建立可控的调控约束条件如下：
[0091]
p
min
≤p(i)≤p
max
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(28)
[0092]
其中，p
min
与p
max
分别为在可控负荷调控过程中的最小调控电量和最大调控电量；p(i)为1,2,
…
,k时刻中每一时刻的可控负荷用电量；同时，为了保证负荷调节前后的可控负荷总量保持不变，设置总体可控负荷调节电量的约束为：
[0093][0094]
其中，p
total
为可控负荷在一个用电周期中的总体可调电量，本式通过累加方法，计算各时段可控负荷总体电量，作为可控负荷调度优化中的约束；
[0095]
对于总负荷中各时间段包含的不可控负荷用电情况，建立不可控负荷模型如下：
[0096]
v＝[v1,v2,v3lv
k-1
,vk]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(30)
[0097]
其中，v为不可控用电量集合，v1,v2,k,vk为各时段不可控负荷的用电量，由于不可控负荷部分不因外部因素改变自身用电规则，因此无法响应动态电价进行调控，本发明中不对不可控负荷部分进行约束设置。
[0098]
进一步的，所述步骤2)中，以电力用户支出费用最小为目标的用户侧效益函数具体如下：
[0099]
minc
total
＝minc
p
+mincvꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(31)
[0100]
其中，minc
p
为可控负荷支出的最小费用，mincv为不可控负荷支出的最小费用，minc
total
为总电力用户支出最小费用；
[0101]
对于可控负荷和不可控负荷，其最小花费minc
p
及mincv可由当前时段负荷值与当前时刻动态电价大小求解得到，具体公式如下：
[0102][0103]
[0104]
其中，s(i)为在i时间段对应的动态电价，v(i)代表1,2,
…
,k时间段中每一时刻的可控负荷用电量。
[0105]
进一步的，所述步骤3)中定义一个用电周期中各时段动态电价s(i)为：
[0106]
s(i)＝[s1,s2,s3,l,s
k-1
,sk]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(34)
[0107]
s(i)＝[s1,s2,s3,l,s
k-1
,sk]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(35)
[0108]
s(i)在动态电价调控机制中由初始电价及用电偏离峰谷期望的激励电价两部分组成，具体可表示为：
[0109]
s(i)＝s0(i)+s
*(i)ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(36)
[0110]
其中，s0(i)为为初始电价，s
*
(i)为为激励电价，与s(i)相同，s0(i)与s
*
(i)均为k维向量；
[0111]
激励电价是通过合理的调控手段，使得电力供应商在满足不可控负荷用电的基础上，为激励可控负荷主动改变用电行为，调整用电计划，合理调用用电资源，进而缓解用电高峰或低谷时的差异，为此，本发明中提出的用电偏离峰谷期望的激励电价公式如下：
[0112][0113]
其中，σ为用电负荷偏离峰谷期望的激励系数，m
max
及m
min
分别为峰谷期望负荷值的最大值及最小值；根据激励电价公式i时刻当前用电负荷量是否大于或小于峰谷期望值的最大值或最小值进行调控，如果当前用电负荷量大于峰谷期望值的最大值或小于峰谷期望值的最大值最小值，动态电价则会进行调整，并避免出现峰谷倒置的不良后果，如果当前负荷值大于峰谷期望最小值，小于峰谷期望最大值，则动态电价为0；
[0114]
为了使峰谷电价小并且负荷曲线更加平稳，进行了以下约束：
[0115][0116]
其中，γ为最大峰谷负荷差，maxm
*
(i)与minm
*
(i)分别为调控优化后的第i时刻的最大和最小负荷值，α为最大峰谷电价比参数，maxsi代表动态电价中的峰值电价，minsi代表动态电价中的谷值电价；
[0117]
通过负荷调控结果与优化电价结果求解用户最优效益结果，具体公式如下：
[0118]
c*
total
＝c*
p
+cvꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(39)
[0119][0120]
其中，c*
total
为优化后的用户最优总效益结果，c*
p
为优化后的可控负荷支出，p*(i)为优化后的每时段可控负荷值。
[0121]
进一步的，所述步骤4)中使用蛇优化算法寻找最优可控负荷整体思路如下：首先根据可控负荷的调节能力上下限对蛇群的位置进行初始化，蛇群中每一条蛇的位置都代表着调节后可控负荷量，通过适应度函数分别找到每一轮迭代过程中蛇群里最优的雄蛇与最优的雌蛇，本发明中适应度函数为用户侧效益函数，寻优的目的即为找到使得用户侧效益
最大的可控负荷量，同时，设定了食物量与温度两个参数条件来改变蛇的寻食、战斗和繁殖行为，每种行为与蛇的性别分别对应着不同的位置变换率，通过迭代不断更新蛇种群的位置，分别找到最优的雄性个体与最优的雌性个体，将二者的适应度值进行比较，最终找到使得适应度函数最大的蛇的位置，即所求得的最优负荷；
[0122]
(1)首先确定蛇种群的总体数量，对蛇种群中所有蛇的初始位置进行初始化，初始化公式如下：
[0123]
sk
i,u
＝r
∈(0,1)
*(l
max-l
min
)+l
min i∈{1,l,n}and u∈{1,l,y}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(41)
[0124]
其中，sk
i,u
为初始化后第u条蛇的位置，也是可控负荷的量，y为总个体数，n为维数，l
max
为可控负荷调节的上边界，l
min
为可控负荷调节的下边界，r取0到1之间的随机数；
[0125]
将蛇群平均分为雄性和雌性，模型如下：
[0126][0127][0128]
其中，sk
m,j
、sk
f,j
分别为第j条雄蛇与第j条雌蛇；
[0129]
(2)完成种群位置的初始化与性别划分之后，对影响蛇群行为的两大关键因素温度temp与食物数量fq根据如下公式进行定义，
[0130][0131][0132]
其中，g为当前迭代次数，t为总迭代次数，c1为常数，等于0.5，通过公式(44)和(45)可知温度于食物数量仅与迭代次数相关；
[0133]
当fq小于设定食物数量边界值0.25的时候，蛇群会变换位置，来寻找食物，并且雄性与雌性蛇有不同的位置变换方式，雄蛇的位置变换建模如下：
[0134][0135][0136]
其中，sk
m,j
是第j条雄蛇的位置。雄蛇群中随机一条蛇的位置，a
m,j
为雄蛇寻食能力，c2为常数，等于0.05，f
m,r
表示选取的随机雄蛇的适应度，f
m,j
表示群体中第j只雄蛇的适应度，其适应度是当可控负荷的量为第j条雄蛇的位置时的用户侧效益；
[0137]
雌蛇的位置建模如下所示：
[0138][0139]
[0140]
同理对于雌蛇的位置建模如下所示：
[0141][0142][0143]
(3)当食物数量大于设定食物边界值时，蛇的行为会根据温度的变化而进行变化，也就有不同的位置变换方式，如果temp大于0.6，那么蛇位置如下式更新：
[0144]
sk
i,u
(g+1)＝skb±
c3×
temp
×r∈(0,1)
×
(sk
b-sk
i,u
(g))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(52)
[0145]
其中，skb表示最优个体位置，c3是相关系数，根据实际情况选取，如果temp小于0.6，那么蛇将随机处于战斗或者交配模式，雄蛇战斗模式的模型为：
[0146]
sk
i,j
(g+1)＝sk
(i,j)
(g)
±
c3×fm,j
×r×
(sk
m,b-sk
m,j
(g))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(53)
[0147][0148]
其中，sk
m,b
表示最优雄蛇位置，f
m,j
为雄蛇战斗力；
[0149]
同理，雌蛇的战斗模式的模型为
[0150]
sk
i,j
(g+1)＝sk
(i,j)
(g)
±
c3×fi,f
×r×
(sk
b,m-sk
i,f
(g))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(55)
[0151][0152]
(4)交配模式下，雄蛇与雌蛇的位置更新律为：
[0153]
sk
m,j
(g+1)＝sk
(m,j)
(g)
±
c3×mm,j
×r×
(q
×
sk
f,j-sk
m,j
(g))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(57)
[0154][0155]
sk
f,j
(g+1)＝sk
f,j
(g)
±
c3×mf,j
×r×
(q
×
sk
m,j-sk
f,j
(g+1))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(59)
[0156][0157]
其中，m
m,j
和m
f,j
表示雄蛇与雌蛇的交配能力；
[0158]
在每一次迭代中，蛇优化算法会首先找到每代个体中的最佳的雄性个体和最佳的雌性个体，然后进一步在二者之中找到最佳个体，即所求出的最佳负荷。
[0159]
进一步的，所述步骤4)中通过电力负荷平坦指数ψ来验证调控结果的平稳情况，具体表示如下：
[0160][0161]
其中，φ为优化后负荷曲线的峰度，γ为优化后负荷曲线的偏度，具体表示如下：
[0162]
[0163][0164]
其中，为调控后的负荷平均值，m
*
(i)为调控后的第i时刻的负荷值。
[0165]
基于建立的用户侧效益目标函数、激励电价动态调节机制、负荷调控约束及电价调控约束后，并对负荷部分进行建模；然后，通过蛇优化算法进行求解具体步骤如下：
[0166]
1)在matlab中建立可控负荷模型与不可控负荷模型及约束，并构建以电力用户支出费用最小为目标的效益函数；
[0167]
2)通过构建的激励电价动态机制，并设置了电价优化约束；
[0168]
3)以负荷侧支出最小为目的，通过蛇优化算法计算负荷调控结果；
[0169]
4)计算负荷调控结果后，通过电力负荷平坦指数ψ来判断调控结果的平稳情况；
[0170]
选取某城市的实际用户侧负荷值与期望峰谷负荷代入到仿真中，来评估该调控机制的有效性，以一天为一个调度周期，并将一个周期按小时分成二十四个时间段，以每个时间段来生成一个动态电价，可控负荷的可调控范围在150到-200之间。
[0171]
如图2所示，原始的用电负荷曲线，在峰值处，高于电网侧的期望峰值负荷，在低谷处其要小于电网侧的期望谷值负荷。这对电网的稳定运行，以及发电计划都有着不利的影响，威胁电网安全的同时，还增加了电网的运行成本，亟需一种调控策略对其可控负荷部分进行调控。
[0172]
如图3所示，为调控前后的负荷曲线对比图，相比于原始的负荷用电曲线，经过本发明调控后的曲线峰谷差变小，整体曲线更加平缓，表示调控策略具有削峰填谷的作用，其调控后的峰值与谷值在期望峰值谷值之间，满足了电网侧的需求，可以减轻电网的压力，保证电网的安全稳定运行。
[0173]
如图4所示，为可控负荷在各个时间段内的调度图，将可控负荷更多的转入到了用电低谷时期，把用电高峰时期的负荷进行了削减，减轻了电网压力，降低了用户的用电成本。
[0174]
如图5所示，为调控策略所生成的动态电价柱状图，在用电高峰时电价高，用电低谷时期电价低，促进了可控负荷的削峰填谷，有效的完成了调控目标。
[0175]
如图6所示，为本发明所使用的蛇优化算法的迭代曲线示意图，该优化算法可以很快的收敛，并因其有着多种的位置变换率，可以很好的跳出局部最优，找到整体最优处。更好的实现本发明所提出的调控策略，找到最佳的可控负荷调控值。
[0176]
调控后的响应效果如表1所示，可知在调控后的负荷峰谷差更小，下降了44.5％。同时负荷平坦指数更高，提高了21.1％，增强了电网的安全性能，同时用户侧所付出的成本降低了14.5％，达到了降低用户用电成本的目的。
[0177]
表一调控相应效果
[0178][0179]
以上实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于上述的实施例。上述实施例中所用方法如无特别说明均为常规方法。

技术特征：
1.一种基于峰谷期望及动态电价的可控负荷最优调控方法，其特征在于，包括如下步骤：1)创建可控负荷用电量模型和不可控负荷用电量模型；2)创建用户侧效益函数；3)建立基于峰谷期望的动态电价优化调节策略及可控约束；4)根据可控负荷的调节能力上下限对蛇群位置进行初始化，确定蛇群中每一条蛇的位置，即调节后可控负荷量，通过适应度函数分别找到每一轮迭代过程中蛇群里最优的雄蛇与最优的雌蛇，找到使得用户侧效益最大的可控负荷量，设定食物量与温度两个参数条件来改变蛇的寻食、战斗和繁殖行为，每种行为与蛇的性别分别对应着不同的位置变换率，通过迭代不断更新蛇种群的位置，分别找到最优的雄性个体与最优的雌性个体，将二者的适应度值进行比较，最终找到使得适应度函数最大的蛇的位置，即求得最优负荷，通过电力负荷平坦指数ψ来验证调控结果的平稳情况。2.根据权利要求1所述的一种基于峰谷期望及动态电价的可控负荷最优调控方法，其特征在于，所述步骤1)中各时段可控负荷用电量模型及约束条件如下：其中，k为每个用电周期划分的用电时段个数，p
k
为第k时段可控用电负荷用电量，p为各时段可控用电负荷集合，m为一个用电周期可控负荷的用电量集合，p
max
为各时段可控负荷调控过程中最小调控电量，p
max
为各时段可控负荷调控过程中最大调控电量，p(i)为1,2,
…
,k时刻中每一时刻的可控负荷用电量；各时段不可控负荷用电量模型如下：v＝[v1,v2,v3,...,v
k-1
,v
k
]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)其中，v为一个用电周期不可控负荷的用电量集合，v
k
为各时段不可控负荷的用电负荷集合。3.根据权利要求1所述的一种基于峰谷期望及动态电价的可控负荷最优调控方法，其特征在于，所述步骤2)中以电力用户支出费用最小为目标的用户侧效益函数具体如下：其中，s(i)为第i时刻对应的动态电价，v(i)为1，2，...，k时段中每时段的不可控用电负荷，min c
p
为可控负荷支出的最小费用，min cv为不可控负荷支出的最小费用，min c
tatol
为总电力用户支出最小费用。4.根据权利要求1所述的一种基于峰谷期望及动态电价的可控负荷最优调控方法，其特征在于，所述步骤3)中一个用电周期中各时段动态电价为：
其中，s
k
为第k时段的动态电价，s0(i)为初始电价，s
*
(i)为激励电价；激励电价具体公式如下：σ为用电负荷偏离峰谷期望的激励系数，m
max
为峰谷期望负荷值的最大值，m
min
为峰谷期望负荷值的最小值，当前用电负荷量大于峰谷期望值的最大值或小于峰谷期望值的最大值最小值，则动态电价进行调整，当前负荷值大于峰谷期望最小值，小于峰谷期望最大值时，动态电价为0；对峰谷电价进行约束，约束条件如下：γ为最大峰谷负荷差，max m
*
(i)为调控优化后的第i时刻的最大负荷值，min m
*
(i)为调控后的第i时刻的最小负荷值，α为最大峰谷电价比参数，max s
i
为动态电价中的峰值电价，min s
i
为动态电价中的谷值电价；通过负荷调控结果与优化电价结果求解用户最优效益结果，具体公式如下：c*
total
＝c*
p
+cvꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)其中，c*
total
为优化后的用户最优总效益结果，c*
p
为优化后的可控负荷支出，p*(i)为优化后的每时段可控负荷值。5.根据权利要求1所述的一种基于峰谷期望及动态电价的可控负荷最优调控方法，其特征在于，所述步骤4)中利用蛇优化算法获得最优可控负荷，具体步骤如下：(1)确定最优可控负荷量，根据可控负荷的调节能力上下限，对蛇群的位置即可控负荷的量进行初始化，并将蛇群平均分为雄性和雌性，其中，sk
i,u
为初始化后第u条蛇的位置，y为总个体数，n为维数，l
max
为可控负荷调节的上边界，l
min
为可控负荷调节的下边界，r取0到1之间的随机数，sk
m,j
、sk
f,j
分别为第j条雄蛇与第j条雌蛇；(2)对蛇群行为有影响的关键因素温度temp和食物数量fq只与迭代次数有关，当食物
数量fq小于边界值0.25时，蛇群会变换位置，来寻找食物，并且雄性与雌性蛇有不同的位置变换方式，雄蛇的位置变换建模如下式所示：变换方式，雄蛇的位置变换建模如下式所示：其中，sk
m,j
是第j条雄蛇的位置。雄蛇群中随机一条蛇的位置，a
m,j
为雄蛇寻食能力，c2为常数，等于0.05，f
m,r
表示选取的随机雄蛇的适应度，f
m,j
表示群体中第j只雄蛇的适应度，其适应度是当可控负荷的量为第j条雄蛇的位置时的用户侧效益；雌蛇的位置建模如下所示：雌蛇的位置建模如下所示：(3)当食物数量大于设定食物边界值时，蛇的行为会根据温度的变化而进行变化，也就有不同的位置变换方式，如果temp大于0.6，那么蛇位置如下式更新：sk
i,u
(g+1)＝sk
b
±
c3×
temp
×
r
∈(0,1)
×
(sk
b-sk
i,u
(g))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(14)其中，sk
b
表示最优个体位置，c3是相关系数，根据实际情况选取，如果temp小于0.6，那么蛇将随机处于战斗或者交配模式，雄蛇战斗模式的模型为：sk
i,j
(g+1)＝sk
(i,j)
(g)
±
c3×
f
m,j
×
r
×
(sk
m,b-sk
m,j
(g))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(15)其中，sk
m,b
表示最优雄蛇位置，f
m,j
为雄蛇战斗力；同理，雌蛇的战斗模式的模型为sk
i,j
(g+1)＝sk
(i,j)
(g)
±
c3×
f
i,f
×
r
×
(sk
b,m-sk
i,f
(g))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(17)(4)交配模式下，雄蛇与雌蛇的位置更新律为：sk
m,j
(g+1)＝sk
(m,j)
(g)
±
c3×
m
m,j
×
r
×
(q
×
sk
f,j-sk
m,j
(g))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(19)sk
f,j
(g+1)＝sk
f,j
(g)
±
c3×
m
f,j
×
r
×
(q
×
sk
m,j-sk
f,j
(g+1))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(21)其中，m
m,j
和m
f,j
表示雄蛇与雌蛇的交配能力；
在每一次迭代中，蛇优化算法会首先找到每代个体中的最佳的雄性个体和最佳的雌性个体，然后进一步在二者之中找到最佳个体，即所求出的最佳负荷。6.根据权利要求1所述的一种基于峰谷期望及动态电价的可控负荷最优调控方法，其特征在于，所述步骤4)中通过电力负荷平坦指数ψ来验证调控结果的平稳情况，具体表示如下：其中，φ为优化后负荷曲线的峰度，γ为优化后负荷曲线的偏度，具体表示如下：其中，φ为优化后负荷曲线的峰度，γ为优化后负荷曲线的偏度，具体表示如下：其中，为调控后的负荷平均值，m
*
(i)为调控后的第i时刻的负荷值。

技术总结
本发明涉及一种基于峰谷期望及动态电价的可控负荷最优调控方法，包括包括1)创建可控负荷用电量模型和不可控负荷用电量模型；2)创建用户侧效益函数；3)建立基于峰谷期望的动态电价优化调节策略及可控约束；4)使用蛇优化算法建立负荷调控机制，利用用户侧效益函数获得负荷优化调度结果；通过建立基于峰谷期望的动态电价制定方法，在动态电价制定时只需要将当前负荷值与峰谷期望值进行比较并计算，减少了求解期望负荷的步骤，降低了计算量，提高电网的调度能力，使用了蛇优化算法对负荷调控结果进行求解，可快速准确找到全局的最优结果，获得准确的可控负荷调节方案，有效的减少了用户的用电成本，增强了电网的安全性及稳定性。增强了电网的安全性及稳定性。增强了电网的安全性及稳定性。


技术研发人员：鲁浦锟 孙金明 王顺江 于博 贺欢 张秀宇 贾依霖 李正林 贾明月 李志伟 祝国强
受保护的技术使用者：国网辽宁省电力有限公司 国网辽宁省电力有限公司鞍山供电公司 国家电网有限公司
技术研发日：2023.05.08
技术公布日：2023/8/4