本发明公开了一种考虑风电接入的直接负荷控制资源优化方法。该方法包括以下步骤：（1）调度中心进行直接负荷控制可用资源统计；（2）建立直接负荷控制的优化模型；（3）求解模型得出直接负荷控制资源调用方案；（4）通过双向信息通道下达直接负荷控制指令。本方法给出的直接负荷控制资源优化方法在传统直接负荷控制方法的基础上考虑对风电反调峰性的抑制，有利于风电接入，同时本方法为直接负荷控制资源的应用提供技术依据。
1.一种考虑风电接入的直接负荷控制资源优化方法，其特征在于：包括以下步骤：
1)调度中心进行直接负荷控制可用资源统计；在直接负荷控制优化开始前，进行直接负荷控制资源的统计，在所有已经签订直接负荷控制合同的用户中，排除有特殊用电安排无法受控的用户；主要统计的参数有：用户受控负荷LDLC，最大连续受控时间toff,max，最佳连续受控时间toff,best，最小连续运行时间ton,min，最佳连续运行时间ton,best，最大受控次数NDLC，基本受控补偿费率r0；
2)建立直接负荷控制的优化模型；直接负荷控制优化目标为：系统峰荷最小，用户满意度最大和直接负荷控制控制量与风电接入最适应；
3)求解模型得出直接负荷控制资源调用方案；利用0-1整数规划求解模型，得出所有参与直接负荷控制用户的调用0-1序列，使用sk表示第k个用户的调用序列，sk,t表示该用户在第t时段的调用状态，值为0表示该时段该用户不受控，值为1表示该时段该用户受控；
4)通过双向信息通道下达直接负荷控制指令；直接负荷控制资源优化模型的求解结果确定了每一个直接负荷控制参与用户的调用时间及调用次数，调度中心需要将该指令通过双向信息通道下达至各个用户处。
2.根据权利要求1所述的一种考虑风电接入的直接负荷控制资源优化方法，其特征在于，步骤2)所述的优化目标采用以下形式之一：(1)系统峰荷最小
假设有K组用户是直接负荷控制可用资源，在第t控制时段所有K组用户的受控负荷为：其中LDLC,t为第t时段的受控制负荷；sk,t为第t时段第k组负荷是否被控制(即中断供电)的0-1决策变量；LDLC,k,t第t时段第k组用户的受控制负荷。在此基础上计及三阶段反弹负荷：LPB,k,t＝αLDLC,k,t-1+βLDLC,k,t-2+γLDLC,k,t-3 (2)其中LPB,k,t为第t时段第k组用户的反弹负荷；LDLC,k,t-1、LDLC,k,t-1、LDLC,k,t-1分别为第k组 用户在第t-1，t-2，t-3时段的可控制负荷，α、β、γ分别为第t-1，t-2，t-3时段的系数。结合用户的受控负荷和反弹负荷，实施直接负荷控制后的第t时段第k组用户的负荷为：Lnew,k,t＝Lbase,k,t-LDLC,k,t+LPB,k,t (3)其中Lbase,k,t为不实施直接负荷控制第t时段第k组用户的基线负荷，设F1为新的系统峰荷，则目标函数一为：min F1 (4)
下面定义了用户满意度计算模型，用来作为评判的依据；
对于第k组负荷，其在第t时段的受控(中断负荷)和非受控(正常供电)时间分别记为Toff,k,t和Ton,k,t，计算公式为：Ton,k,t＝(Ton,k,t-1+(1-sk,t)△t)(1-sk,t) (5)Toff,k,t＝(Toff,k,t-1+sk,t△t)sk,t (6)根据模糊集理论，采用用户的受控时间与非受控时间来分别建立模糊隶属度函数，再用两函数相结合来表征用户满意度，得出第t时段第k组负荷的用户连续受控满意度、连续供电满意度和综合满意度分别为：Uk,t＝sk,tUoff,k,t+(1-sk,t)Uon,k,t (9)在整个研究时段T内，第k组负荷用户的综合满意度Uk为：在研究时段T内，所有参与直接负荷控制项目的负荷组的平均用户综合满意度F2为：F2的值越大，表示用户综合满意度平均值越高，目标函数二为最大化该值。
pLi、pWi分别为第i月的负荷不均衡系数、风电出力不均衡系数；Pi是归一化之后的不均衡系数；Li第i月的月平均日负荷量；Lmax第i月的月平均日负荷量最大值；Ei第i月的月平均日发电量；Emax第i月的月平均日发电量最大值；
DLCmonth,i＝DLCbase,i×Pi (15)即每个月份的月控制量是根据不同月份的用电负荷和风电出力动态确定的，这样既节省了直接负荷控制资源又可以最大限度地保证用户满意度。
在确定直接负荷控制的月控制量后，进一步对风电短期反调峰性进行研究；考虑到短期反调峰性，引出直接负荷控制目标控制量的概念，即根据风电出力和负荷情况，先确定可以起到抑制风电反调峰的直接负荷控制控制目标量，并将它作为直接负荷控制的实际控制目标，使得最终控制结果与之相差越小越好；
计算直接负荷控制目标控制量，遵循以下规定：负荷处于峰时段、风电出力处于峰时段时，直接负荷控制级别为+1；负荷处于峰时段、风电出力处于平时段时，直接负荷控制级别为+2；负荷处于峰时段、风电出力处于谷时段时，直接负荷控制级别为+3；负荷处于平时段、风电出力处于峰时段时，直接负荷控制级别为-2；负荷处于平时段、风电出力处于平时段时，直接负荷控制级别为0；负荷处于平时段、风电出力处于谷时段时，直接负荷控制级别为+2；负荷处于谷时段、风电出力处于峰时段时，直接负荷控制级别为-3；负荷处于谷时段、风电出力处于平时段时，直接负荷控制级别为-2；负荷处 于谷时段、风电出力处于谷时段时，直接负荷控制级别为-1；控制级别的绝对值越大，表明直接负荷控制强度越大；符号为+，表明进行正直接负荷控制，就是削减负荷的控制；符号为-，表明进行负直接负荷控制，就是增加负荷的控制；若使用Mt表示控制级别，得出直接负荷控制目标控制量为：DLCbase,t＝Mt×DLCmonth (16)对这两组数据进行最小二乘计算：
3.根据权利要求1所述的一种考虑风电接入的直接负荷控制资源优化方法，其特征在于，所述步骤2)建立的直接负荷控制模型必须同时满足如下约束条件：(1)总控制次数约束
为了保证用户在一个控制周期内的中断次数在可接受的范围内，每个用户的总中断次数不能过多，单个用户在单次控制循环内总控制次数需要满足如下约束：NDLC,K为在研究周期T内第k组负荷的最大允许中断次数；
如果中断时间的负载达到用户的承受阈值，则负载必须重新连接到系统。约束表达式中的“0”和“1”的分别表示的空调负荷与系统的断开和连接状态。当被中断的持续时间累积到达客户的承受阈值时，必须设置为“1”，当Soff,k(t-1)+△t>Toff,k,max或者Son,k(t-1)
实施直接负荷控制以后,供电商在批发市场节省的购电费用F4和在售电侧减少的售电收入F5分别为：Δt为时间间隔；
pDA,t为第t时段的购电价(即批发市场出清价)；
pTOU,t为第t时段的售电价,对售电侧采用分时电价；
tH，tM，tL分别表示峰、平、谷时段；Ptou,H，Ptou,M，Ptou,L分别为峰、平、谷时段的售电电价；
F7表示实施直接负荷控制后能源供应商所减少的利润：
一种考虑风电接入的直接负荷控制资源优化方法
技术领域
[0001] 本发明属于智能用电、需求响应技术领域，具体涉及一种考虑风电接入的直接负荷控制资源优化方法。
背景技术
[0002] 随着国民经济发展，仅靠发电侧控制电网优化运行的方法已不能满足要求，需要通过电力需求侧管理手段将用户侧资源合理利用，并用于电网的调度运行中。直接负荷控制(DLC)即是电力需求侧管理的重要手段之一。近年来，风力发电作为新能源发电的主要途径，其装机量呈现直线上升的态势，然而风力发电并不是完全可控的，有时候甚至会呈现反调峰的特性。传统发电侧调峰资源成本较高，然而用户侧潜在资源巨大，若可以对用户侧资源通过直接负荷控制的形式加以合理利用，将其用于协调风电出力，则对于优化电网运行，最大限度利用风能资源有着重要的意义。
发明内容
[0003] 本发明为了克服现有技术的不足，提供一种考虑风电接入的直接负荷控制资源优化方法，该方法通过对需求侧响应资源的合理调度，通过优化直接负荷控制策略，满足在系统峰荷最小及用户满意度最大的前提下，使系统负荷最适应风电接入。在考虑风电接入时考虑三种约束，分别是总控制次数、控制持续时间以及利益平衡约束，基于此可实现对风电接入的最优化负荷控制，同时本方法可以电网调度部门调度模式的改革提供技术思路。
[0004] 本发明所述的一种基于温度设定值调整的聚合空调负荷调度方法包括以下步骤：
[0005] 1、一种考虑风电接入的直接负荷控制资源优化方法，其特征在于：包括以下步骤：
[0006] 1)调度中心进行直接负荷控制可用资源统计；在直接负荷控制优化开始前，进行直接负荷控制资源的统计，在所有已经签订直接负荷控制合同的用户中，排除有特殊用电安排无法受控的用户；主要统计的参数有：用户受控负荷LDLC，最大连续受控时间toff，max，最佳连续受控时间toff，best，最小连续运行时间ton,min，最佳连续运行时间ton,best，最大受控次数NDLC，基本受控补偿费率r0。
[0007] 2)建立直接负荷控制的优化模型；直接负荷控制优化目标为：系统峰荷最小，用户满意度最大和直接负荷控制控制量与风电接入最适应。
[0008] 3)求解模型得出直接负荷控制资源调用方案；利用0-1整数规划求解模型，得出所有参与直接负荷控制用户的调用0-1序列，使用sk表示第k个用户的调用序列，sk,t表示该用户在第t时段的调用状态，值为0表示该时段该用户不受控，值为1表示该时段该用户受控。
[0009] 4)通过双向信息通道下达直接负荷控制指令；直接负荷控制资源优化模型的求解结果确定了每一个直接负荷控制参与用户的调用时间及调用次数，调度中心需要将该指令通过双向信息通道下达至各个用户处。
[0010] 2、根据权利要求1所述的一种考虑风电接入的直接负荷控制资源优化方法，其特征在于，步骤2)所述的优化目标采用以下形式：
[0011] (1)系统峰荷最小
[0012] 假设有K组用户是直接负荷控制可用资源，在第t控制时段所有K组用户的受控负荷为：
[0013]
[0014] 其中LDLC,t为第t时段的受控制负荷；sk,t为第t时段第k组负荷是否被控制(即中断供电)的0-1决策变量；LDLC,k，t第t时段第k组用户的受控制负荷。在此基础上计及三阶段反弹负荷：
[0015] LPB,k,t＝αLDLC,k,t-1+βLDLC,k,t-2+γLDLC,k,t-3 (2)
[0016] 其中LPB,k,t为第t时段第k组用户的反弹负荷；LDLC，k,t-1、LDLC,k,t-1、LDLC,k，t-1分别为第k组用户在第t-1，t-2，t-3时段的可控制负荷，α、β、γ分别为第t-1，t-2，t-3时段的系数。结合用户的受控负荷和反弹负荷，实施直接负荷控制后的第t时段第k组用户的负荷为：
[0017] Lnew,k,t＝Lbase,k,t-LDLC,k,t+LPB,k,t (3)
[0018] 其中Lbase,k,t为不实施直接负荷控制第t时段第k组用户的基线负荷。设F1为新的系统峰荷，则目标函数一为：
[0019] min F1 (4)
[0020] (2)用户满意度最大
[0021] 直接负荷控制的实行势必会影响到用户的用电满意度，用户作为电力市场的参与主体，在选择直接负荷控制方案时必须考虑其用电满意度的高低。下面定义了用户满意度计算模型，用来作为评判的依据。
[0022] 对于第k组负荷，其在第t时段的受控(中断负荷)和非受控(正常供电)时间分别记为Toff，k,t和Ton,k,t，计算公式为：
[0023] Ton,k,t＝(Ton,k,t-1+(1-sk,t)Δt)(1-sk,t) (5)
[0024] Toff,k,t＝(Toff,k,t-1+sk,tΔt)sk,t (6)
[0025] 由模糊集理论知，可以采用用户的受控时间与非受控时间来分别建立模糊隶属度函数，再用两函数相结合来表征用户满意度。可以得出第t时段第k组负荷的用户连续受控满意度、连续供电满意度和综合满意度分别为：
[0026]
[0027]
[0028] Uk,t＝sk,tUoff,k,t+(1-sk,t)Uon,k,t (9)
[0029] 在整个研究时段T内，第k组负荷用户的综合满意度Uk为：
[0030]
[0031] 在研究时段T内，所有参与直接负荷控制项目的负荷组的平均用户综合满意度F2为：
[0032]
[0033] F2的值越大，表示用户综合满意度平均值越高，目标函数二为最大化该值。
[0034] max F2 (12)
[0035] (3)直接负荷控制控制量与风电接入最适应
[0036] 常见的直接负荷控制模型只要用来降低系统峰荷、提高负荷率；在风电接入系统的环境下，需要考虑如何合理分配直接负荷控制资源抑制风电反调峰性。
[0037] 若按月为时间单位分析风电数据，会发现风电场风力发电量具有夏季出力少、春秋季平均、冬季有时稍高的特点。与之相对，我国用电负荷由于降温负荷、取暖负荷的使用，使得夏季、冬季负荷较高、特别是夏季，而秋冬两季较为平均。用电负荷在夏季很高，但是风电出力在这段时间很低，这就需求直接负荷控制强力一些，在降低用电负荷的同时，也相当于增加了发电出力；冬季负荷与风电出力都很高，直接负荷控制相对就可以弱一些；2、3、4月用电负荷很低，但风电出力水平为中，此时可以不做或者少做直接负荷控制，这样用户满意度将不再受影响。
[0038] 为此，引入不均衡系数pi
[0039]
[0040]
[0041] pLi、pWi分别为第i月的负荷不均衡系数、风电出力不均衡系数；Pi是归一化之后的不均衡系数；Li第i月的月平均日负荷量；Lmax第i月的月平均日负荷量最大值；Ei第i月的月平均日发电量；Emax第i月的月平均日发电量最大值；
[0042] 接下来可以计算第i月的直接负荷控制的月控制量：
[0043] DLCmonth,i＝DLCbase,i×Pi (15)
[0044] 即每个月份的月控制量是根据不同月份的用电负荷和风电出力动态确定的，这样既节省了直接负荷控制资源又可以最大限度地保证用户满意度。
[0045] 在确定直接负荷控制的月控制量后，可以进一步对风电短期反调峰性进行研究。考虑到短期反调峰性，引出直接负荷控制目标控制量的概念，即根据风电出力和负荷情况，先确定可以起到抑制风电反调峰的直接负荷控制控制目标量，并将它作为直接负荷控制的实际控制目标，使得最终控制结果与之相差越小越好。
[0046] 计算直接负荷控制目标控制量，遵循表1中的控制级别
[0047] 表1直接负荷控制级别
[0048]
[0049]
[0050] 表中数字的绝对值越大，表明直接负荷控制级别越高，控制强度越大。符号为+，表明进行正直接负荷控制，就是削减负荷的控制；符号为-，表明进行负直接负荷控制，就是增加负荷的控制。具体来说，比如负荷—风电为谷—峰，这种情况的直接负荷控制级别为-3，它是负直接负荷控制最强的一个级别，原因是此时负荷为低谷，而风电出力在高峰段，需要将风电的大部分出力都消耗掉，应鼓励用电，此时利用负直接负荷控制，增加负荷，达到目的。再比如负荷—风电为峰—谷，这种情况用电负荷高峰，恰逢风电出力低谷，需要紧急实行直接负荷控制，降低峰荷用以维持系统稳定性。若使用Mt表示控制级别，可以得出直接负荷控制目标控制量为：
[0051] DLCbase,t＝Mt×DLCmonth (16)
[0052] 为了描述直接负荷控制实际控制量与直接负荷控制目标控制量之间的差距，对这两组数据进行最小二乘计算：
[0053]
[0054] 目标函数三为最小化该值：
[0055] min F3 (18)
[0056] 3、根据权利要求1所述的一种考虑风电接入的直接负荷控制资源优化方法，其特征在于，所述步骤2)建立的直接负荷控制模型必须同时满足如下约束条件：
[0057] (1)总控制次数约束
[0058] 为了保证用户在一个控制周期内的中断次数在可接受的范围内，每个用户的总中断次数不能过多，单个用户在单次控制循环内总控制次数需要满足如下约束：
[0059]
[0060] NDLC,K为在研究周期T内第k组负荷的最大允许中断次数。
[0061] (2)控制持续时间约束
[0062] 如果中断时间的负载达到用户的承受阈值，则负载必须重新连接到系统。约束表达式中的“0”和“1”的分别表示的空调负荷与系统的断开和连接状态。当被中断的持续时间累积到达客户的承受阈值时，必须设置为“1”。
[0063] 当Soff,k(t-1)+Δt>Toff,k,max或者Son,k(t-1)
[0065] 实施直接负荷控制以后,供电商在批发市场节省的购电费用F4和在售电侧减少的售电收入F5分别为：
[0066]
[0067]
[0068] Δt为时间间隔；
[0069] T为研究时段总数；
[0070] pDA,t为第t时段的购电价(即批发市场出清价)；
[0071] pTOU,t为第t时段的售电价,对售电侧采用分时电价；
[0072]
[0073] tH，tM，tL分别表示峰、平、谷时段；Ptou,H，Ptou,M，Ptou,L分别为峰、平、谷时段的售电电价。
[0074] 为了保证实施直接负荷控制的积极性，降减少能源供应商的利润应该是有限的，F7即表示实施直接负荷控制后能源供应商所减少的利润。
[0075]
[0076] 需满足：
[0077] |F7|≤W≈0 (25)
附图说明
[0078] 图1为本发明方法的总流程图；
[0079] 图2为直接负荷控制实际控制量和目标控制量对比图；
[0080] 图3为直接负荷控制对负荷特性的影响图；
具体实施方式
[0081] 下面对本发明技术方案进行详细说明，但是本发明的保护范围不局限于所述实施例。以南京市某天的社会用电曲线为研究对象，并假设当天由供电商实施DLC控制。选取的直接负荷控制研究时段为当日的9:00-22:00共13h，负荷控制的时间间隔为15min，共52个时段。市场出清电价间隔为1h；分时电价各时段划分如下：平时段为6:00-11:00、19:00-22:00，峰时段11:00-19:00，谷时段为22:00-6:00。
[0082] 共有20组DLC负荷组参与控制，每组负荷的可控负荷量，控制时间，运行时间，中断补偿率等参数如下表所示。
[0083] 表:DLC可控负荷数据汇总
[0084]
[0085] 运算平台选择MATLAB7.6.0(R2008a)；具体参数选择：反弹负荷参数α、β、γ分别为0.5，0.3，0.1；三个目标函数用线性加权出适应度函数，权重比例为1：1：1；。程序输出图像包括直接负荷控制实际控制量和目标控制量对比曲线(图)以及直接负荷控制实施后的负荷特性变化曲线(图)。图2中蓝色实线表示直接负荷控制目标控制量，红色虚线表示DLC实际控制量；图3中蓝色实线表示原始负荷特性，红色虚线表示DLC控制以后的负荷特性；可以看出，DLC控制的实施，起到了削峰填谷的效果，优化了负荷特性。
