Aggregator-based demand response mechanism for electric vehicles participating in peak regulation in valley time of receiving-end power grid

With the increase in the power receiving proportion and an insufficient peak regulation capacity of the local units, the receiving-end power grid struggles to achieve peak regulation in valley time. To solve this problem while considering the potential of the large-scale charge load of electric vehicles(EVs), an aggregator-based demand response(DR) mechanism for EVs that are participating in the peak regulation in valley time is proposed in this study. In this aggregator-based DR mechanism, the profits for the power grid’s operation and the participation willingness of the EV owners are considered. Based on the characteristics of the EV charging process and the day-ahead unit generation scheduling, a rolling unit commitment model with the DR is established to maximize the social welfare. In addition, to improve the efficiency of the optimization problem solving process and to achieve communication between the independent system operator(ISO) and the aggregators, the clustering algorithm is utilized to extract typical EV charging patterns. Finally, the feasibility and benefits of the aggregator-based DR mechanism for saving the costs and reducing the peak-valley difference of the receiving-end power grid are verified through case studies.

Optimal dispatching strategy for residential demand response considering load participation

To facilitate the coordinated and large-scale participation of residential flexible loads in demand response(DR),a load aggregator(LA)can integrate these loads for scheduling.In this study,a residential DR optimization scheduling strategy was formulated considering the participation of flexible loads in DR.First,based on the operational characteristics of flexible loads such as electric vehicles,air conditioners,and dishwashers,their DR participation,the base to calculate the compensation price to users,was determined by considering these loads as virtual energy storage.It was quantified based on the state of virtual energy storage during each time slot.Second,flexible loads were clustered using the K-means algorithm,considering the typical operational and behavioral characteristics as the cluster centroid.Finally,the LA scheduling strategy was implemented by introducing a DR mechanism based on the directrix load.The simulation results demonstrate that the proposed DR approach can effectively reduce peak loads and fill valleys,thereby improving the load management performance.

How Load Aggregators Avoid Risks in Spot Electricity Market:In the Framework of Power Consumption Right Option Contracts

There is uncertainty in the electricity price of spot electricity market,which makes load aggregators undertake price risks for their agent users.In order to allow load aggregators to reduce the spot market price risk,scholars have proposed many solutions,such as improving the declaration decision-making model,signing power mutual insurance contracts,and adding energy storage and mobilizing demand-side resources to respond.In terms of demand side,calling flexible demand-side resources can be considered as a key solution.The user’s power consumption rights(PCRs)are core contents of the demand-side resources.However,there have been few studies on the pricing of PCR contracts and transaction decisions to solve the problem of price forecast deviation and to manage the uncertainty of spot market prices.In addition,in traditional PCR contracts,PCRs are mostly priced using a single price mechanism,that is,the power user is compensated for part of the electricity that was interrupted or reduced in power supply.However,some power users might engage in speculative behaviours under this mechanism.Further,for load aggregators,their price risk avoidance ability has not substantially improved.As a financial derivative,options can solve the above problems.In this article,firstly,the option method is used to build an option pricing optimization model for power consumption right contracts that can calculate the optimal option premium and strike price of option contracts of power consumption rights.Secondly,from the perspective of power users and load aggregators,a simulation model of power consumption right transaction decision-making is constructed.The results of calculation examples show that(1)Under the model in this article,the pricing of option contracts for power consumption rights with better risk aversion capabilities than traditional compensation contracts can be obtained.(2)The decision to sell or purchase the power consumption rights will converge at respective highvalue periods,and option contracts will expedite the process.(3)Option contracts can significantly reduce the loss caused by the uncertainty of spot electricity prices for load aggregators without reducing users’willingness to sell power consumption rights.

多类型灵活资源的建模与分层式协调控制架构

电力需求侧可控的负荷、发电和储能资源统称为灵活资源,这些资源对智能电网的优化运行和消纳新能源发电具有重要作用。首先提出了一种通用灵活资源模型,该模型能够统一描述需求侧居民、商业、工业多类型灵活资源的特性,并能同时描述大规模灵活资源的集总用电需求。基于所提的通用灵活资源模型,构建了一种包含日前和实时阶段大规模多类型需求侧灵活资源的分层协调控制架构,该构架考虑了垂直调度和电力市场条件下电力系统的运行机制,在2种运行机制下都能够有效地利用多类型灵活资源的可调节能力提升电网整体的运行效率。将所提灵活资源模型嵌入到IEEE 30节点系统的机组组合问题中进行仿真,验证了所提分层式协调控制架构的有效性。

基于低代码云平台的低碳园区负荷聚集商系统的研究及实现

中小型负荷分布不集中,弹性水平低是造成负荷侧能源利用效率低、调度困难及需求侧响应难以有效开展的因素之一。针对上述问题,将新兴IT技术与智能电网、虚拟电厂建设等电力行业的需求结合起来,梳理并完成负荷聚集商业务主线逻辑设计,并充分利用低代码云平台上开发效率高、开发周期短、架构灵活、扩展性强和运营维护成本低的特点,基于低代码云平台,设计出一套完整的负荷聚集商系统并加以实现。该系统完整实现了负荷聚集商的业务逻辑,验证了基于低代码云平台系统研发的技术可行性,为负荷聚集商技术支持系统的建设提供了有价值的参考方案。

基于区块链的负荷聚合商及居民用户多方共治交易模式

居民用户以负荷聚合商为中介参与需求响应,在交易中往往不具有话语权和选择权,由此产生信息不透明、第三方权力过大等信任问题;同时,居民用户因信息获取能力差以及负荷实时控制能力弱,难以在聚合响应中享受平等决策权、知情权和话语权。因此,基于区块链技术设计负荷聚合商及居民用户多方共治交易模式,针对包含3类柔性负荷的居民用户及聚合商的区块链节点,以自治共享为基本原则建立区块链节点模型和配置方法;基于负荷聚合商及居民用户节点间的聚合响应新模式,构建了基于聚合商非合作博弈、居民用户间演化博弈及聚合商与居民用户间主从博弈的激励机制,设计了激励相容的智能合约算法和区块数据结构,并提出响应标识因数和激励理性系数来评估所提交易模式的有效性;最后,经算例仿真验证表明,所提交易模式在保证各交易节点效用的基础上,可确保聚合服务高效可信,有利于唤醒海量需求侧沉睡资源。

考虑路网和用户满意度的集群电动汽车主从博弈优化调度策略

传统的电动汽车(electric vehicle,EV)集中优化方法在实际应用中面临调度困难、计算量大、缺乏真实数据支撑等问题,无法准确揭示各主体间的交互行为。为此,提出一种考虑路网和用户满意度的集群EV主从博弈优化调度策略。首先基于真实出行数据和路网数据模拟用户出行行为。其次,负荷聚合商(load aggregator,LA)整合EV负荷资源,对相似出行特性的EV进行聚类。在双层主从博弈模型中,LA作为上层领导者,聚类后的各EV子群作为下层跟随者。考虑EV用户不同消费偏好,通过优化LA定价策略、新能源及储能系统出力计划、EV集群充放电策略实现纳什均衡,达到各主体共赢,并使用改进遗传算法进行求解。最后,利用仿真验证了所提模型可有效提升LA收益及EV用户消费者剩余,增加新能源消纳,并可为不同消费偏好的用户提供差异化服务。

电力市场环境下需求侧资源评估与调控综述

随着高比例新能源接入以及尖峰时段电力需求增长,中国电力供需平衡压力日益加大,亟需深入挖掘需求侧资源调节潜力,建立健全完善的电力市场机制,推动新型电力系统下“源随荷动”向“源荷互动”转变。首先对需求侧资源进行多维梳理,并总结了其参与的市场类型,接着从需求侧资源可调潜力量化评估、需求侧资源聚合调控、需求侧管理系统装备3方面总结需求侧资源评估与调控的技术进展,最后结合新型电力系统要求,对市场环境下的需求侧资源利用提出一些建议。

考虑多重轮换调控的空调负荷调控潜力评估与控制策略

调度空调柔性负荷是缓解电网高峰负荷的有效措施,对稳定电网运行具有重要意义。首先,构建空调负荷模型,兼顾考虑空调可投切和空调允许关断时长,引入微元法的思想,提出考虑控制时长影响的空调调控潜力评估方法。其次,分析负荷聚合商系统发展需求,基于软件定义网络提出空调状态监控系统架构。然后,以空调群聚合功率变化量与电网调控需求量差值最小为目标,以用户舒适度为重要约束,考虑空调投切状态与空调调控总时长,构建考虑多重轮换调控的空调控制策略。最后,通过仿真分析验证了所提模型不仅能根据不同响应时长准确评估空调调控潜力,而且能够提升空调可调控能力。

基于虚拟电池模型的外逼近闵可夫斯基热泵负荷调节可行域聚合方法

温控负荷(temperature control loads,TCLs)灵活性可行域的有效量化和聚合是其响应电价与调控信号的前提。由于TCLs能量在时间上耦合,且设备调节特性和物理参数各异,具有较高异质性,现有聚合方法面临计算复杂度高、适配性差等问题。该文基于极端场景法建立了通用虚拟电池(virtual battery,VB)模型,即通过一套标准电池参数描述资源灵活性,其通用形式使得聚合可行域可以按一定规则线性求和获得。在此基础上,提出一种基于虚拟电池模型的外逼近闵可夫斯基聚合方法,并从数学上不失一般性地对不同异质性设备聚合的有效性进行了证明与推广。最后,提出了考虑系统灵活性供需平衡的负荷聚合商日前优化调度模型。算例结果表明,所提温控负荷可行域聚合方法在提高了外逼近精度的同时保证了较高的计算效率。相比传统模型,所提聚合模型有着更好的优化性能。

面向会话的需求感知注意图神经网络推荐模型

针对现有基于图的会话推荐方法忽略了反馈数据中由于用户行为不确定性引起的噪声影响,存在无法准确和有效地捕捉用户偏好的问题,提出一种面向会话的需求感知注意图神经网络推荐模型(DAAGNNSR)。将具有时序性的会话数据构建为图,通过引入图神经网络学习图上节点嵌入表示;将提取的项目特征使用需求感知聚合器线性聚合为用户潜在需求矩阵,以自动削弱噪声干扰,同时用低秩多头注意力网络将该矩阵与全部项目特征进行逐项兴趣交互生成需求增强的项目表征;联合独立位置编码进一步分析项目间顺序关联,并且将生成的独立位置嵌入与项目表征进行线性融合;经过预测层生成推荐列表。将所提模型在Diginetica、Tmall和Nowplaying三个公共数据集上进行训练和测试,实验结果表明,该模型的推荐精度在各指标上均优于其他基线模型,与基于图上下文自注意力机制模型(GCSAN)相比,Diginetica上NDCG@10提高了5.6%,Tmall上Recall@10提高了6.4%;与基于图神经网络的SRGNN相比,Tmall上Precision@10提高了5.0%,推荐性能显著提升。

蒙西地区规模化储能商业运行模式及风险分析

储能是新型电力系统实现高比例风光消纳的关键。作为国家重要能源和战略资源基地,内蒙古提出在国内率先建成以新能源为核心的新型电力系统。因此,研究适用于内蒙古地区的储能商业模式具有较强现实意义。为了全面比较各种现行储能商业模式在内蒙古地区的应用潜力,以蒙西地区为例,首先从技术视角分析了适用于蒙西地区的规模化储能技术路线、应用场景和配置原则;其次,结合蒙西地区电力生产、输送和消费特点,对目前国内典型的储能商业模式可行性及风险进行分析。研究表明:化学储能受自然条件影响较小,其中磷酸铁锂技术更适应当前电力系统储能规模化发展;短期内用户侧储能只有参与虚拟电厂聚合及参与需求侧响应才能获得盈利空间;合同能源管理模式和共享储能模式更加适用于现阶段蒙西地区规模化储能发展。本文研究能够为能源投资商的蒙西地区储能项目提供决策支持,也可为其他地区储能项目决策和开发提供参考。

计及负荷时空转移需求响应的数据中心聚合商最优运行策略

利用聚合技术构建数据中心聚合商以参与系统需求响应,提出一种计及负荷时空转移需求响应的数据中心聚合商最优运行策略。首先,根据数据中心的物理特性,建立负荷时空转移需求响应模型;然后,以数据中心运行成本最小化和数据中心聚合商利益最大化为目标,建立计及负荷时空转移需求响应的数据中心聚合商最优运行模型;最后,通过Karush-Kuhn-Tucker(KKT)条件以及大M法将双层模型转换成单层混合整数线性规划模型进行求解。仿真结果表明:所提最优运行策略可有效提高数据中心内工作负荷的灵活性,并促进数据中心运行经济性的提高。

考虑碳交易的定、变频空调负荷降碳能力研究

在“双碳”目标的驱动下,为进一步提高负荷侧定、变频空调负荷和基础柔性负荷在需求响应的作用并分析其降碳能力,文中提出一种考虑碳交易的定、变频空调负荷及柔性负荷参与需求响应的电力系统优化运行策略。建立定、变频空调单体模型并推导其功率聚合模型;在此基础上结合多种影响空调用户参与需求响应的主要因素计算定、变频空调负荷最大降载能力;进而在传统需求响应调度模型中加入对定、变频空调负荷的考虑,并引入碳交易机制,基于此构建以机组发电成本、碳排放成本、负荷调度成本等综合运行成本最小为目标的电力系统优化运行策略;最后,以某配网系统进行验证分析,通过设置多种运行场景对比验证了所提策略在经济最优和节能减排方面的有效性。

面向多虚拟电厂的分层分区多层互补动态聚合调控策略

虚拟电厂(virtual power plant,VPP)是一种新型运行模式,通过有效聚合电网中大量需求侧资源并制定有效的动态聚合调控策略,实现电网不同时空的功率互补,提高电网调控的灵活性和系统的经济性。从电网调度角度分析了典型电网需求响应行为特性,提出了需求响应能力指标和虚拟电厂分类聚合方法,构建了多源虚拟电厂调控模型,以其结果支撑虚拟电厂响应资源的分层分区互补调控。最后,以某园区为案例,分析了虚拟电厂调控策略的合理性和多源虚拟电厂调控的科学性。结果表明,整体动态调控策略可以引导虚拟电厂科学合理地发挥需求响应价值,促进电网负荷平稳和系统安全稳定运行。

市场环境下含多物理实体的最优竞价策略研究

为了解决分布式能源的间歇式和波动性的问题,以需求响应项目中的系统运营商、负荷聚合商以及负荷端用户这三个主要的物理实体为研究对象,分析了其组成的电力系统内部供需之间的交易,考虑到整体系统负荷用户端的收益客观条件,提出将负荷聚合商、系统运营商以及负荷端用户的收益影响要素相结合,以负荷聚合商的收益为优化目标,构建市场环境下含多类物理实体的优化竞价模型,模型中系统调度电量的余量和缺额量直接和电力市场相衔接。对一个典型案例进行研究,结果表明最优竞价模型可有效地提高负荷聚合商的收益,并且一定程度上增加了负荷用户的收益,进而间接地提高了电力系统的稳定性。

计及用户参与和调峰需求的储能配置优化研究

为了对分布式储能潜力进行充分挖掘以提升电网调控水平,提出一种全面考虑储能用户行为及调峰需求的聚合商侧储能配置优化模型。首先,对储能用户参与聚合的自身参与度与从众行为进行研究,建立储能容量模型。其次,综合考虑聚合商参与调峰收益、储能聚合成本、储能成本、储能充电成本,构建聚合商侧储能优化配置模型,并采用白鲸优化(BWO)算法对模型进行求解。最后,以修改后的IEEE33节点系统为例,验证了配置优化模型的有效性和算法的优越性。该模型不仅能得到储能优化配置容量,还能够充分考虑储能用户综合不确定性与电网调峰需求。该模型在国家鼓励多主体参与电力现货交易的背景下,具有广泛的适用性。

基于改进奇诺多面体的需求侧资源可行域聚合研究

近年来,柔性负荷、储能、电动汽车等需求侧灵活性资源迅速发展,这些资源可以在不影响用电质量和用户体验的前提下,灵活地调节电能的消耗和储存,更好地维护电网的稳定运行。然而由于需求侧资源大多容量小、特性各异且分散在底层,在实际调度时通常考虑将其进行整合为一个聚合模型。为此,提出了一种基于改进奇诺多面体的需求侧资源可行域近似及高效聚合方法。首先基于自下而上的思路,通过奇诺多面体去近似刻画单个需求侧资源的可行域,其次提出奇诺多面体生成器的一般构造形式,使其近似精度得以进一步提高,最后基于闵可夫斯基和得到需求侧资源的聚合模型,并通过算例分析验证所提模型在计算精度和计算速度方面的有效性。

电网需求侧资源动态分布式k-means聚类算法

为有效聚合电网需求侧资源,合理、高效利用电网资源,提出基于分布式k-means的电网需求侧资源动态聚类算法。通过基于置信半径的分布式k-means算法聚类采集到的电网需求侧资源数据,在模糊C均值进化神经网络中,以聚类得到的电网需求侧资源数据为输入向量,输出电网需求侧资源场景,依据场景存在概率,以电网侧资源日均峰谷差最小、DG消纳程度最高与日均负荷波动率最小为目标函数,以电网需求侧资源曲线波动率与负荷互补为约束条件,构建电网需求侧资源多场景聚类模型,经动态改变惯性因子(DCW)粒子群算法求解模型后,实现电网需求侧资源多场景聚类。试验结果表明:该方法可实现电网需求侧资源动态聚类,应用该方法聚类不同场景电网需求侧资源时的日负荷率较低,聚类效果较好,可满足实际电力需求侧资源动态聚类工作的需要。

用户侧电力需求响应控制系统设计

为提升电力需求响应控制效果,设计基于区块链技术的用户侧电力需求响应控制系统。利用网关节点采集负荷数据,将数据传输至能源区块链中。将区块链技术应用到数据层进行分布式信息的获取和保存。利用基于数据分割的多级加密机制,处理负荷数据。采用需求响应聚合商模块读取能源区块链内存储的数据,制定电力需求响应合同内的响应起止时间与响应负荷等数据。利用网关读取电力需求响应合同内的数据,创新性地按照智能家电动态优先级执行控制算法,制定用户侧电力需求响应控制方案,以实时控制设备运行状态,从而完成用户侧电力需求响应控制。试验结果表明:该系统加密数据时的吞吐量稳定在0.61 Gbit/s。该系统可有效控制用户侧电力需求响应,降低用户的负荷功率。