隨著智能電網(wǎng)的建設(shè)和電力系統(tǒng)需求響應(yīng)技術(shù)的迅速發(fā)展,越來(lái)越多的用戶將參與到電力市場(chǎng)需求響應(yīng)。需求響應(yīng)集成服務(wù)商（Demand Response Aggregator,DRA）通過(guò)專業(yè)的技術(shù)手段充分發(fā)掘負(fù)荷資源,為中小型用戶提供了參與需求響應(yīng)的負(fù)荷集成平臺(tái)。目前,關(guān)于DRA的具體運(yùn)營(yíng)機(jī)制和負(fù)荷調(diào)控策略的研究較少,也缺乏一定的系統(tǒng)性。本文以解決DRA的市場(chǎng)化運(yùn)營(yíng)決策問(wèn)題為出發(fā)點(diǎn),對(duì)DRA的具體運(yùn)營(yíng)方案展開研究,考慮負(fù)荷響應(yīng)不確定性的影響,建立了DRA的調(diào)控決策模型。本文內(nèi)容主要分為以下幾個(gè)方面:首先,介紹了DRA的基本概念和主要業(yè)務(wù)職能,設(shè)計(jì)了DRA參與能量市場(chǎng)和輔助服務(wù)市場(chǎng)需求響應(yīng)的運(yùn)營(yíng)方案。在設(shè)計(jì)方案中,說(shuō)明了DRA在需求響應(yīng)期間的具體響應(yīng)過(guò)程,設(shè)定了DRA的工作周期,重點(diǎn)梳理了DRA與系統(tǒng)運(yùn)營(yíng)商、零售商、終端用戶之間的具體交互作用,給出了DRA市場(chǎng)化的高層次運(yùn)營(yíng)流程。其次,建立了計(jì)及負(fù)荷響應(yīng)不確定性的DRA調(diào)控策略模型。考慮到DRA與終端用戶簽訂的非強(qiáng)約束合同帶來(lái)的負(fù)荷響應(yīng)不確定性,運(yùn)用隨機(jī)數(shù)學(xué)理論對(duì)不確定性進(jìn)行分析,使用截?cái)嗾龖B(tài)分布來(lái)模擬不確定度。設(shè)定了通過(guò)訂購(gòu)確定性儲(chǔ)能裝置負(fù)荷和... 

【文章來(lái)源】：東南大學(xué)江蘇省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：79 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

負(fù)荷波動(dòng)性的頻率直方圖與正態(tài)分布密度函數(shù)因此，本文將具有響應(yīng)不確定性的終端用戶在需求響應(yīng)時(shí)的響應(yīng)程度，類比電力市

步驟二：從 δ 服從的正態(tài)分布樣本空間中按式(4.7)產(chǎn)生 Sobol 擬隨機(jī)數(shù)列 δk=1, 2, …, N； 步驟三：置 P=P+f(P0, QDGk1, QESk1, δ)，k=1, 2, …, N； 步驟四：重復(fù)步驟二與步驟三 N 次； 步驟五：E[f(P0, QDGk1, QESk1, δ)]=P/N。.4 算法測(cè)試本文從粒子群初始群落的產(chǎn)生和調(diào)整慣性權(quán)重的角度對(duì)標(biāo)準(zhǔn)粒子群算法進(jìn)行改進(jìn)后的粒子群算法總體流程與標(biāo)準(zhǔn)粒子群算法相似，差別體現(xiàn)在用擬隨機(jī)序列產(chǎn)生粒子，用速度平均值動(dòng)態(tài)調(diào)整粒子慣性權(quán)重。為了驗(yàn)證本文提出的改進(jìn)粒子群算法斂性與計(jì)算效果，對(duì)二維 Rastrigin 測(cè)試函數(shù)最優(yōu)解進(jìn)行仿真試驗(yàn)。式(4.26)為二strigin 函數(shù)的表達(dá)式，圖 4-5 是二維 Rastrigin 函數(shù)的可視化圖形，可以看出該函數(shù)多個(gè)局部最優(yōu)值和一個(gè)全局最優(yōu)值。 2 21 2 1 2f x x 10 cos 2 x cos 2 x 20, x1,2∈[ 5.12, 5.12] (4

(c) 正態(tài)分布 N(0.8, 1.02)的抽樣點(diǎn) (d) 正態(tài)分布 N(0.8, 22)的抽樣點(diǎn)圖 5-1 不同正態(tài)分布標(biāo)準(zhǔn)差下的 104個(gè)采樣點(diǎn)分布圖由圖可見(jiàn)，當(dāng)正態(tài)分布的標(biāo)準(zhǔn)差較小為 0.1 時(shí)，負(fù)荷響應(yīng)水平集中在以 0.8 為均值的很小的范圍內(nèi)，此時(shí)用戶的響應(yīng)度過(guò)于良好，沒(méi)有體現(xiàn)特殊情況下的響應(yīng)可能；當(dāng)正態(tài)分布的標(biāo)準(zhǔn)差達(dá)到 1 之后，抽樣點(diǎn)分布大致均勻，此時(shí)用戶的響應(yīng)度過(guò)于離散，沒(méi)有體現(xiàn)響應(yīng)度平均水平；當(dāng)正態(tài)分布的標(biāo)準(zhǔn)差為 0.4 時(shí)，抽樣點(diǎn)的分布既反映了正態(tài)分布的均值又體現(xiàn)了響應(yīng)的不確定性，因此，本文設(shè)定 δ 服從的正態(tài)分布為 N(0.8, 0.42)�？紤]到改進(jìn)粒子群算法是一種進(jìn)化計(jì)算技術(shù)，每次優(yōu)化時(shí)總是會(huì)出現(xiàn)小范圍的誤差這種誤差在迭代進(jìn)化類智能算法中是不可避免的，為了減小算法誤差，本文采取多次優(yōu)化的方法，取最優(yōu)解作為最終的優(yōu)化結(jié)果。表 5-4 是 50 次優(yōu)化后的結(jié)果：表 5-4 50 次優(yōu)化計(jì)算平均值及方差計(jì)算總用時(shí)/s 利潤(rùn)期望平均值/$ 利潤(rùn)期望方差700 2348 0.24

【參考文獻(xiàn)】：
期刊論文
[1]計(jì)及分布式發(fā)電出力與電價(jià)不確定性的負(fù)荷聚合商電能獲取策略[J]. 俞敏,倪琳娜,方鵬,劉福炎,文福拴.  電力建設(shè). 2018(01)
[2]空調(diào)聚合商參與下的負(fù)荷控制與配電網(wǎng)重構(gòu)[J]. 唐早,劉俊勇,劉友波,李婷,胥威汀,茍競(jìng).  電力系統(tǒng)自動(dòng)化. 2018(02)
[3]需求響應(yīng)在電力輔助服務(wù)市場(chǎng)中的應(yīng)用[J]. 沈運(yùn)帷,李揚(yáng),高賜威,周磊.  電力系統(tǒng)自動(dòng)化. 2017(22)
[4]美國(guó)調(diào)頻輔助服務(wù)市場(chǎng)的調(diào)頻補(bǔ)償機(jī)制分析[J]. 陳達(dá)鵬,荊朝霞.  電力系統(tǒng)自動(dòng)化. 2017(18)
[5]國(guó)內(nèi)需求響應(yīng)發(fā)展障礙分析及展望[J]. 張贏,董立軍,黃雯.  電氣技術(shù). 2017(07)
[6]負(fù)荷聚合技術(shù)及其應(yīng)用[J]. 孫玲玲,高賜威,談健,崔高穎.  電力系統(tǒng)自動(dòng)化. 2017(06)
[7]需求響應(yīng)發(fā)展現(xiàn)狀及趨勢(shì)研究[J]. 閆華光,陳宋宋,李世豪,李德智,董明宇.  供用電. 2017(03)
[8]一種考慮風(fēng)電出力和負(fù)荷不確定性的最優(yōu)調(diào)峰方法研究[J]. 張彬,毛荀,彭曉濤.  電網(wǎng)與清潔能源. 2016(12)
[9]我國(guó)需求響應(yīng)實(shí)施現(xiàn)狀及發(fā)展展望[J]. 鄒京希,曹敏,顏庭喬.  新型工業(yè)化. 2016(11)
[10]負(fù)荷聚合商參與可中斷負(fù)荷項(xiàng)目的成本效益分析[J]. 張靜頁(yè),王磊,劉順桂.  南方電網(wǎng)技術(shù). 2016(08)

博士論文
[1]遺傳算法與粒子群算法的改進(jìn)及應(yīng)用[D]. 張頂學(xué).華中科技大學(xué) 2007

碩士論文
[1]面向智能電網(wǎng)的電力需求響應(yīng)商業(yè)運(yùn)作模式研究[D]. 黃甜.東南大學(xué) 2016
[2]計(jì)及用戶響應(yīng)不確定性的負(fù)荷聚合商運(yùn)營(yíng)決策模型研究[D]. 朱文超.華北電力大學(xué)(北京) 2016
[3]智能電網(wǎng)環(huán)境下負(fù)荷聚合商的市場(chǎng)化交易策略研究[D]. 張開宇.上海交通大學(xué) 2015
[4]基于多代理粒子群算法的電力系統(tǒng)無(wú)功優(yōu)化研究[D]. 胡廷鶴.廣東工業(yè)大學(xué) 2013



本文編號(hào)：3218878