基于主从博弈的电力系统柔性负荷优化调度方法及系统

技术领域

本发明涉及电力系统调控技术领域，尤其涉及一种基于主从博弈的电力系统柔性负荷优化调度方法及系统。

背景技术

随着电力系统向智能电网的转型，电力系统调度的复杂性也在增加。一方面，可再生能源如风能和太阳能的广泛使用使得电力供应变得更加不稳定；另一方面，电力需求也在不断变化，电力需求取决于用户以及环境条件，而这些因素均会增加电力系统调度的难度，使得电力系统调度成为了一个充满挑战的问题。电力系统调度是确保电力供应可靠性和效率的重要环节。现有技术中电力系统调度通常仅是关注能源经济和系统稳定性，即以能源经济性以及系统稳定性为目标进行调度。随着用户对能源服务的个性化需求增长，传统的调度方法已经无法满足用户对满意度的要求。为了提供智能、可持续的能源供应，不仅需要考虑能源供应效率、成本问题，还需要考虑用户柔性负荷调控的裕度以及用户满意度，以实现更加灵活和高效的电力系统调度。

柔性负荷是可以根据电力系统的需要来调整电力消耗的负荷。例如，某些电气设备(如电热水器，电冰箱等)的工作模式可以稍微延后或提前，以适应电力供应的变化。通过有效管理这些柔性负荷，电力系统可以更好地适应电力供应的不稳定性，减少供需不平衡的风险，并提高系统的经济性。如果频繁地改变电力供应或大幅度地调整柔性负荷，可能会影响到用户的用能体验。且在对用户柔性负荷进行调度过程中，用户往往希望自己的舒适度最大，同时希望选择调节能力大的柔性负荷进行调度，而负荷聚合商则希望调度的成本、经济性最优，即用户与负荷聚合商两者的目标会产生矛盾。

传统电力系统调度方式中，如果要解决负荷调节能力最大、经济性最优等多个负荷调度问题，通常是采用建立多目标优化模型的方式，然后将多目标转化为单目标优化问题进行求解。但是该类方式的实际优化效果较差，难以在用户与负荷聚合商两者的目标中取得平衡，无法实现既满足负荷聚合商目标需求，又满足用户体验需求的最优柔性调度。

发明内容

本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种基于主从博弈的电力系统柔性负荷优化调度方法及系统，能够同时考虑用户柔性负荷调控裕度和满意度以及负荷提供方成本，高效实现既满足柔性负荷提供方目标需求，又满足用户体验需求的最优柔性调度。

为解决上述技术问题，本发明提出的技术方案为：

一种基于主从博弈的电力系统柔性负荷优化调度方法，步骤包括：

构建主从博弈模型，将柔性负荷用户作为模型中下层跟随者以确定参与调控的出力负荷用户，以及将柔性负荷提供方作为模型中上层领导者以确定各柔性负荷出力；

以调控裕度和用户用能满意度最优为调度目标构建下层跟随者模型，所述调控裕度为柔性负荷可以参与调节的功率大小，用户用能满意度根据用能满意度状态参数计算得到；

以柔性负荷提供方运行成本最优为目标构建上层领导者模型；

配置上层柔性负荷提供方的柔性负荷出力、下层柔性负荷用户的出力负荷用户的初始状态后，上层柔性负荷提供方对负荷调控容量、下层柔性负荷用户对出力负荷按照所述主从博弈模型进行博弈迭代，上层柔性负荷提供方基于所述上层领导者模型优先按照用户用能满意度以及运行成本最优决策各柔性负荷出力，下层柔性负荷用户按照所述下层跟随者模型优先调度具有最大调控裕度和用户满意度的出力负荷用户，上层柔性负荷提供方不断根据下层柔性负荷用户的出力负荷用户调整各柔性负荷出力，下层柔性负荷用户则根据上层柔性负荷提供方的柔性负荷出力不断的调整出力负荷用户，直至达到动态均衡状态；

对所述主从博弈模型进行模型求解，得到上层柔性负荷提供方的各柔性负荷出力与下层柔性负荷用户参与调控的出力负荷用户的最优解输出。

进一步的，所述调控裕度使用至少一个用能裕度参数计算得到，所述用能裕度参数包括功率裕度δ

进一步的，所述调控裕度为使用多个用能裕度参数进行线性加权计算得到。

进一步的，所述用能满意度状态参数包括时间满意度参数和/或温度满意度参数，所述时间满意度用户衡量负荷满意度状态，所述温度满意度用于衡量室内温度与最适宜温度的偏差。

进一步的，所述时间满意度参数为负荷满意度状态参数，计算表达式为：

其中，D(t)为负荷满意度状态参数,D(t)＝1表示负荷从关闭改变到开启状态；T

温度满意度的目标函数表示为：

其中，p

按照下式构建得到用户用电满意度的最优目标F

其中α

进一步的，所述上层领导者模型的表达式为：

F＝F

其中

其中，F为总运行成本，F

进一步的，对所述主从博弈模型进行模型求解的步骤包括：

对数据进行初始化，产生柔性负荷提供方各柔性负荷出力策略的初始群，发送给下层柔性负荷用户；

下层柔性负荷用户接收柔性负荷提供方发送的各柔性负荷出力决策信息，以所述下层跟随者模型为目标采用NSGA-II方法进行求解，得到出力负荷用户最优解，并作为出力负荷用户决策发送给上层柔性负荷提供方；

上层柔性负荷提供方接收下层柔性负荷用户的出力负荷用户决策信息，判断是否达到动态平衡条件，如果没有则按照所述上层领导者模型对各柔性负荷出力策略进行调整，将调整后的策略发送给下层柔性负荷用户继续进行博弈迭代，直至达到动态平衡条件，输出各柔性负荷出力与出力负荷用户的最优策略。

进一步的，所述采用NSGA-II方法求解的步骤包括：

初始化：随机生成指定数量的出力负荷用户的解作为初始种群；

非支配排序：根据所述下层跟随者模型的多目标优化目标函数值，对种群进行非支配排序，并将种群分为多个等级，其中在第一个等级中，没有任何个体可以支配其他个体；在第二个等级中，只有第一个等级的个体能支配该等级的个体，以此类推；

计算拥挤度：在每个等级中，计算每个个体的拥挤度，所述拥挤度为衡量解的分布密度的指标；

选择：根据非支配排序和拥挤度的计算结果，选择个体进行交叉和变异操作；

交叉和变异：通过交叉和变异操作生成新的个体；

合并和选择：将父代和子代合并，再次进行非支配排序和拥挤度计算，选择合适的个体形成新的种群；

终止判断：如果达到预设的进化代数或者满足其他终止条件，停止求解，并输出当前的非支配解集；否则，返回执行非支配排序计算。

进一步的，还包括为所述下层跟随者模型、所述上层领导者模型设置约束条件，所述上层跟随者模型的约束条件包括柔性负荷功率限制约束、功率平衡约束、电压约束以及弃光约束中任意一种或多种，所述下层跟随者模型的约束条件包括单一负荷功率约束和/或环境温度约束

一种计算机系统，包括处理器以及存储器，所述存储器用于存储计算机程序，所述处理器用于执行所述计算机程序以执行如上述方法。

与现有技术相比，本发明的优点在于：本发明通过在柔性负荷调度中引入调控裕度和用户满意度，同时使用基于主从博弈模型进行博弈迭代，将柔性负荷用户作为主从博弈中跟随者，将柔性负荷提供方作为上层领导者，同时以用户柔性负荷调控裕度和用户满意度最优为目标构建下层跟随者模型，以用户满意度以及运行成本最优构建上层领导者模型，使得可以同时考虑用户柔性负荷调控裕度和满意度以及负荷提供方成本进行柔性负荷调度，通过对模型进行求解实现均衡，找到负荷提供方与柔性负荷用户目标之间的最佳平衡点，从而实现既满足负荷聚合商目标需求，又满足用户体验需求的最优柔性调度。

附图说明

图1是本实施例基于主从博弈的电力系统柔性负荷优化调度方法的原理示意图。

图2是本实施例基于主从博弈的电力系统柔性负荷优化调度方法的实现流程示意图。

图3是本实施例求解主从博弈的实现流程示意图。

具体实施方式

以下结合说明书附图和具体优选的实施例对本发明作进一步描述，但并不因此而限制本发明的保护范围。

针对于用户体验问题，引入满意度作为调度的优化目标，可以通过合理的调度措施提高用户的舒适体验。例如，在高温天气中，可以根据用户的需求和偏好，调整空调负荷的分配和优先级，以确保用户的室内温度在一个舒适的范围内。利用用户参与反馈可以实现基于用户满意度的电力系统柔性负荷调度。例如通过智能家居设备和移动应用程序，用户可以参与制定个性化的舒适偏好和时间表，可以设定温度、湿度、光照等参数，以满足自己的舒适需求。在电力系统调度中，则需要在提高柔性负荷提供方(例如聚合商)经济性和保证用户满意度之间找到一个合适的平衡，即在考虑用户调控裕度的同时，需要平衡供能成本和调控裕度、用户满意度之间的关系。主从博弈是一种策略博弈模型，以主从博弈模型作为优化和决策方法，能够形成更智能、更高效的电力系统调度策略。

本发明通过在柔性负荷调度中引入调控裕度和用户满意度，同时使用基于主从博弈模型进行博弈迭代，将柔性负荷用户作为主从博弈中跟随者，将柔性负荷提供方作为上层领导者，同时以用户柔性负荷调控裕度和用户满意度最优为目标构建下层跟随者模型，以用户满意度以及运行成本最优构建上层领导者模型，使得可以同时考虑用户柔性负荷调控裕度和满意度以及负荷提供方成本进行柔性负荷调度，通过对模型进行求解实现纳什均衡，即可以找到负荷提供方与柔性负荷用户目标之间的最佳平衡点，从而实现既满足负荷聚合商目标需求，又满足用户体验需求的最优柔性调度。

如图1、2所示，本实施例基于主从博弈的电力系统柔性负荷优化调度方法的步骤包括：

步骤1：构建主从博弈模型，将柔性负荷用户作为模型中下层跟随者以确定参与调控的出力负荷用户，以及将柔性负荷提供方作为模型中上层领导者以确定各柔性负荷出力。

建立主从博弈模型需要确定主从博弈模型领导者与跟随者。本实施例跟随者为柔性负荷用户，以进行调控用户负荷的选取；领导者为柔性负荷提供方，以进行调控负荷容量的选取。

主从博弈中一个玩家是领导者(Leader)，其余的玩家是跟随者(Follower)。领导者首先做出决策，然后跟随者根据领导者的决策做出反应。假设有一个领导者和一个跟随者，他们的策略空间分别为X和Y，目标函数分别为f(x,y)和g(x,y)，其中x和y分别是领导者和跟随者的策略。博弈问题可以表示为以下的两级优化问题：

(a)领导者的优化问题：

maxf(x，y(x))，对于x∈X (1)

其中y(x)是跟随者的最优响应策略，可以通过解决跟随者的优化问题得到。

(b)对于给定的x，跟随者的优化问题为：

min g(x，y)，对于y∈Y (2)

主从博弈的解即是使得在给定领导者策略x的情况下，跟随者无法找到更优的策略来提高其目标函数，且在跟随者采取策略y的情况下，领导者也无法找到更优的策略来提高其目标函数，这个解也即为主从博弈的均衡解或Stackelberg均衡。

本实施例通过构建主从博弈模型，使得柔性负荷提供方在寻求运行成本最低时，会与下层负荷用户进行博弈，优先调度具有最大调控裕度和用户满意度的柔性负荷，根据下层用户的出力负荷选择策略，动态地调整其调度策略，相应地，负荷用户也会根据负荷提供方不断调整的供能情况，动态地改变柔性负荷的出力以优化调度，最终通过持续的策略优化和迭代调整，能源负荷调度策略和用户选择的负荷调用最终会达到动态的均衡，也即为纳什均衡。

步骤2：以调控裕度和用户用能满意度最优为调度目标构建下层跟随者模型，调控裕度为柔性负荷可以参与调节的功率大小，用户用能满意度根据用能满意度状态参数计算得到。

通过计算调控裕度可以计算各类柔性负荷的调控潜能，对负荷调控性能进行排序，从高到低进行调度，可以保障负荷调度安全性与稳定性。本实施例中调控裕度采用多维指标进行评价，包括功率裕度δ

功率裕度δ

负荷在不同时间能够提供的功率是不同的，本实施例对t时刻负荷的功率裕度进行测算。例如对空调负荷来说，夏天室内温度已经降到较低时，空调的可调功率裕度很大，可以优先进行调度。对电动汽车来说，白天充电功率很小，夜晚充电功率很大，可以适当暂停给某些不急用的电动汽车充电，获取较大的功率调控裕度。

可控时间裕度δ

使用可控时间裕度δ

动作时间裕度δt为负荷响应时间Tr与需求响应时间Td的比值，即：

使用动作时间裕度δt可以反映不同负荷响应调度的时间。

能量裕度δ

使用能量裕度δ

E

E

其中，θ

储能的调控容量与其SOC限制有关，如下式所示：

其中P(t)为此时功率。

本实施例具体对上述四个负荷裕度多维评估指标进行线性加权，得到负荷总调控裕度，即：

F

α

其中α

本实施例通过从多个维度对用户用电的满意度进行建模，包括时间满意度参数和温度满意度参数，时间满意度用户衡量负荷满意度状态，所述温度满意度用于衡量室内温度与最适宜温度的偏差。

时间满意度的目标是使电器的运行计划尽可能地与用户的原有电力使用习惯一致，即尽量减小对负荷工作时间的调整，时间满意度C

式中，D(t)一一负荷满意度状态参数，D(t)＝1表示负荷从关闭改变到开启状态；T

本实施例中温度满意度C

式中，p

进一步将时间满意度、温度满意度多目标通过功效系数法，将多个目标通过加权平均合并成一个单一的目标，得到最优目标F

其中α

本实施例对各类负荷裕度进行测算时还包括设置各类约束，包括单一功率出力约束P

基于上述构建的下层跟随者模型，采用调控裕度指标以及用户满意度指标，同时确定单一负荷功率约束、环境温度约束等，选择满足调控裕度以及用户满意度最大的柔性负荷进行调度。

步骤3：以柔性负荷提供方运行成本最优为目标构建上层领导者模型。

对于考虑用户侧柔性负荷的社区综合能源系统，其优化运行的目标是在综合预测未来一定时长内电力负荷和光伏出力曲线的基础上，结合满足综合能源系统各单元的约束和允许弃风弃光的前提，通过对各可控单元出力的合理安排，以及用户侧柔性负荷的合理调度，配合储能设备的使用，达到最大程度降低社区综合能源系统日常运行的综合成本。本实施例中成本F包含光伏的运行成本F

F＝F

其中

其中，F为总运行成本；F

通过建立成本最优的领导者模型，同时确定柔性负荷功率限制、功率平衡约束、电压约束、弃光约束等约束条件，可以实现以负荷提供方运行成本最优为目标，求取负荷参与调度的具体功率。

步骤4：配置上层柔性负荷提供方的柔性负荷出力、下层柔性负荷用户的出力负荷用户的初始状态后，上层柔性负荷提供方对负荷调控容量、下层柔性负荷用户对出力负荷按照主从博弈模型进行博弈迭代，上层柔性负荷提供方基于所述上层领导者模型优先按照用户用能满意度以及运行成本最优决策各柔性负荷出力，下层柔性负荷用户按照所述下层跟随者模型优先调度具有最大调控裕度和用户满意度的出力负荷用户，上层柔性负荷提供方不断根据下层柔性负荷用户的出力负荷用户调整各柔性负荷出力，下层柔性负荷用户则根据上层柔性负荷提供方的柔性负荷出力不断的调整出力负荷用户，直至达到动态均衡状态。

步骤5：对主从博弈模型进行模型求解，得到上层柔性负荷提供方的各柔性负荷出力与下层柔性负荷用户参与调控的出力负荷用户的最优解输出。

主从博弈中，领导者首先制定自己的策略，然后跟随者根据领导者的策略制定自己的反应策略。本实施例中策略领导者和跟随者的收益函数都是凸函数，因此会存在最优解，即存在领导者的最优策略；在跟随者的最优反应策略的条件下，会存在领导者的最优策略。当跟随着在最优调控裕度条件下，确定了哪些用户参与调度；之后由负荷提供方在成本最优和用户满意度最优情况下，得到具体出力功率。领导者根据跟随者的策略不断更新自身策略，并且跟随者根据领导者的策略问题也不断更新自身策略，通过不断迭代求解主从问题。最后，领导者和跟随者的最优策略组成了一种均衡，即Stackelberg均衡，得到领导者和跟随者的最优策略。

如图3所示，本实施例对主从博弈模型进行模型求解的具体步骤包括：

步骤5.1：对数据进行初始化，产生柔性负荷提供方各柔性负荷出力策略的初始群，发送给下层柔性负荷用户，博弈迭代次数k＝1；

步骤5.2：下层柔性负荷用户接收柔性负荷提供方发送的各柔性负荷出力决策信息，以所述下层跟随者模型为目标采用NSGA-II方法进行求解，得到出力负荷用户最优解，并作为出力负荷用户决策发送给上层柔性负荷提供方；

步骤5.3：上层柔性负荷提供方接收下层柔性负荷用户的出力负荷用户决策信息，判断是否达到动态平衡条件，例如达到收敛条件，如果没有则按照上层领导者模型对各柔性负荷出力策略进行调整，将调整后的策略发送给下层柔性负荷用户，返回步骤5.2继续进行博弈迭代，直至满足收敛条件，达到动态平衡，输出各柔性负荷出力与出力负荷用户的最优策略。

NSGA-II方法(Non-dominated Sorting Genetic Algorithm II，二代非支配排序遗传算法)能够解决多目标优化问题的进化，本实施例采用NSGA-II方法求解的具体步骤包括：

初始化：随机生成指定数量的出力负荷用户的解作为初始种群；

非支配排序：根据所述下层跟随者模型的多目标优化目标函数值，对种群进行非支配排序，并将种群分为多个等级，其中在第一个等级中，没有任何个体可以支配其他个体；在第二个等级中，只有第一个等级的个体能支配该等级的个体，以此类推；

计算拥挤度：在每个等级中，计算每个个体的拥挤度，所述拥挤度为衡量解的分布密度的指标；

选择：根据非支配排序和拥挤度的计算结果，选择个体进行交叉和变异操作；

交叉和变异：通过交叉和变异操作生成新的个体；

合并和选择：将父代和子代合并，再次进行非支配排序和拥挤度计算，选择合适的个体形成新的种群；

终止判断：如果达到预设的进化代数或者满足其他终止条件，停止求解，并输出当前的非支配解集；否则，返回执行非支配排序计算。

本实施例通过合理安排负荷分配、优化能源调度和灵活应对能源需求波动，基于主从博弈模型，用户和调度者分别将对方的策略作为给定条件，尽力选择自己的最优策略，采用NSGA-II对主从博弈模型进行求解，在纳什均衡状态下用户和调度者的策略选择相互匹配，互为最优决策，达到了一种平衡状态，在该平衡状态下，电力系统能够满足运行成本和用户满意度需求，并保持柔性负荷调控的裕度，从而确保系统的稳定性和效率。

本实施例进一步提供计算机系统，包括处理器以及存储器，存储器用于存储计算机程序，处理器用于执行所述计算机程序以执行如上述方法。可以理解的是，本实施例上述方法可以由单个设备执行，例如一台计算机或服务器等，也可以应用于分布式场景下由多台设备相互配合来完成，在分布式场景的情况下，多台设备中的一台设备可以只执行本实施例上述方法中的某一个或多个步骤，多台设备之间进行交互以完成上述方法。处理器可以采用通用的CPU、微处理器、应用专用集成电路、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本实施例上述方法。存储器可以采用只读存储器ROM、随机存取存储器RAM、静态存储设备以及动态存储设备等形式实现。存储器可以存储操作系统和其他应用程序，在通过软件或者固件来实现本实施例上述方法时，相关的程序代码保存在存储器中，并由处理器来调用执行。

上述只是本发明的较佳实施例，并非对本发明作任何形式上的限制。虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明。因此，凡是未脱离本发明技术方案的内容，依据本发明技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均应落在本发明技术方案保护的范围内。