(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111513032.8 (22)申请日 2021.12.1 1 (71)申请人 东北电力大 学 地址 132012 吉林省吉林市船 营区长春路 169号 (72)发明人 严干贵　张华鲁　穆钢　杨玉龙　 张利伟　 (74)专利代理 机构 吉林市达利专利事务所 22102 代理人 陈传林 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 30/02(2012.01) G06Q 50/06(2012.01) (54)发明名称 一种用户参与电力调峰辅助服务市场申报 量价优化方法 (57)摘要 本发明公开了一种用户参与电力调峰辅助 服务市场申报量价优化方法， 首先进行用户参与 电力调峰辅助服务市场可调功率计算， 其次构建 用户负荷调节申报量和申报单价优化模型， 基于 用户用电负荷可调节能力， 结合用户可调功率和 不满意度， 同时考虑用户之间博弈的竞价成功率 提高中标成功率， 综合考虑决策合理的量和价， 进行用户整体用电调节量的优化， 最后结合整体 用电调节 量对用电设备调节量进行分解， 实现自 身利益的最大化， 进行用户参与电力调峰辅助服 务市场的报量报价总体最优决策， 能够更有效的 调动用户负荷参与电力系统调峰， 对确保电力系 统经济稳定运行 具有重要的实际意 义。 权利要求书3页 说明书7页 附图3页 CN 114239950 A 2022.03.25 CN 114239950 A 1.一种用户参与电力调峰辅助服务市场申报量价优化方法， 其特征是， 它包括以下步 骤： 1)用户参与电力调峰辅助服 务市场可调功率计算： ①对所有用电设备进行 可调功率计算建模： 式中： Pagg(t)为t时刻的用户负荷聚合功率， 单位： kW； N为空调集群空调总台数， 单位： 台； n为空调集群空调台数， 单位： 台； sn(t)为第n台空调的运 行状态， 启动为1， 停止 为0； PnTCL (t)为第n台空调额定功率， 单位： kW； PaggTCL(t)为t时刻的空调集群聚合功率， 单位： kW； M为 储能集群储能设备总个数， 单位： 个； m为储能集群储能设备个数， 单位： 个； αm(t)为第m台储 能设备的运行状态， 充电为1， 停止为0， 放电为 ‑1； PnES(t)为第m个储能设备充放电功率， 单 位： kW； PaggES(t)为t时刻的储能集群聚合功率， 单位： kW； L为电动汽车集群电动汽车总辆数， 单位： 辆； l为电动汽车集群电动汽车辆数， 单位： 辆； kl(t)为第l辆电动汽车的运行状态， 充 电为1， 停止为0； PlEV(t)为第l辆电动汽车充电功率， 单位： kW； PaggEV(t)为t时刻的电动 汽车 集群聚合功率， 单位： k W； ②设置用户负荷可调功率 最大值计算约束条件如下： A.考虑用户舒 适度要求： 空调负荷设置温度范围， 22℃≤Tset(t)≤28℃        (2) B.储能负荷约束条件： SOCESmin≤SOCES(i)≤SOCESmax        (3) 式中： SOCES(i)为第i个储能该时刻的荷电状态值； SOCESmin为储能荷电状态下限值； SOCESmax为储能电池荷电状态上限值； NcidES为一日内储能系统的充放电次数； NmaxES为一日内 充放电次数 上限值； C.电动汽车负荷约束条件: SOCEVmin≤SOCEV(i)≤SOCEVmax      (5) 式中： SOCEV(i)为第i个电动汽车该时刻的荷电状态值； SOCEVmin为电动汽车荷电状态下 限值； SOCEVmin为电动汽车电池荷电状态上限值； ③计算用户负荷可调功率 最大值： 用户负荷可调功率最大值由各空调、 电动汽车和储能的可调调控量进行累加求和， 为 调节前用户可调用电负荷的聚合功率减去最大幅度调节后聚合功率； 2)构建用户负荷申报调峰容 量和价格优化模型： ①构建优化目标一： 以日为周期， 用户因响应参与电力调峰辅助服务获得的激励 收入 与因调整用电产生的电费增加 额的差值、 或与因调整用电产生的电费减小额的和最大， 即 用户一日内因参与电力调峰辅助服 务所获收益 最大； max f1(CDR,ΔP)＝WTOU+WDR        (6) 式中： f1(CDR， ΔP)为用户参与电力调峰辅助服务所获收益， 单位： 元； CDR为用户参与日权　利　要　求　书 1/3 页 2 CN 114239950 A 2前调峰辅助服务的报价， 单位： 元/kWh； ΔP为用户负荷调节功率， 单位： kW； WTOU为用户自身 因改变用电减少的电费， 电费减少为正， 电费增加为负， 单位： 元； WDR为用户参与日前调峰辅 助服务获得的激励收入， 单位： 元； f1(CDR， ΔP)的决策变量为用户参与日前辅助服务的报 价CDR、 负荷调节量ΔP； 收益由两 部分组成， 一部分是用户参与辅助服务的激励收益WDR； 另一部分是用户自身减少用电支出 WTOU； 式(6)中， 用户改变用电行为减少的电费支出WTOU计算公式为： 式中CTOU为执行日实时电价， 单位： 元； ΔP为用户负荷调节 功率， 单位： k W； 式(6)中， 用户参与电力调峰辅助服 务获得的激励WTOU计算公式为： 式中： [T0， T1]为用户参加电力调峰辅助服务市场时间段区间； CDR为用户参与电力调峰 辅助服务的报价， 单位： 元/k Wh； 竞价成功率采用下式表示： 式中： P(CDR)为CDR价格下， 用户竞价成功概率； 为用户竞价成功的最高报价和竞价 失败的最低报价的平均值； ②构建优化目标二： 用户用电满意度保持最优； 用户满意度和用电功率改变的关系 进行拟合， 用户用电满意度保持最优优化目标函数 为： min f2(ΔP)＝ekΔP    (10) 式中： f2(ΔP)为用户用电的不满意度； ΔP为用户负荷调节功率， 单位： kW； k为用户对用 电量的减少敏感程度； ③构建综合用户满意度及竞 价成功率的双优化目标： 在考虑竞价成功率前提下， 使用户满意度和用户的收益达到最优， 构建双目标优化函 数： 式中： P(CDR)f1(CDR， ΔP)为用户收益期望； 3)用户整体申报调峰容 量和价格的优化： 用户收益期望最高和不满意度最低的多目标协同优化， 通过参数变量， 寻找函数f1 (CDR， ΔP)和f2(ΔP)的Pareto最优解， 采用Non ‑Dominated  Sorting Genetic Algorithm‑ II,NSGA‑II非支配排序遗传算法可以进行高效计算， NSGA ‑II的主要计算过程是： ①随机产生规模为N的初始种群,非支配排序后通过遗传算法的选择、 交叉、 变异三个权　利　要　求　书 2/3 页 3 CN 114239950 A 3