本發(fā)明一般地涉及能源互聯(lián)網下的能源管理領域，具體涉及一種基于雙時間尺度的用戶側能源管理方法。

背景技術：

隨著能源互聯(lián)網的發(fā)展，局域范圍內的“源、網、荷、儲”綜合協(xié)調及能源共享，受到業(yè)界的廣泛關注。在此背景下，能源交換機是實現(xiàn)局域范圍內能源優(yōu)化管理與共享的核心設備。

香港大學的yuanwu,vincent.k.n.lau團隊，早先對智能樓宇場景下的用戶發(fā)電及用電策略進行了優(yōu)化，但是并未考慮用戶間的能源交易(包括買電和賣電)及儲能優(yōu)化等問題。此后，該團隊又對存在用戶能源交易的場景進行了研究，但是卻假設分布式發(fā)電設備的發(fā)電量為確定值，無法適應分布發(fā)電，尤其是分布式清潔能源發(fā)電的波動性與隨機性。目前為止，該領域缺少能同時適應于用戶發(fā)電、買電、賣電、用電、儲能、負載調節(jié)及清潔能源波動性的用戶側能源管理方法。

此外，目前本領域的大多數研究通常直接以預測的分布式清潔能源發(fā)電量為依據，對用戶的負載調節(jié)(負載增加或減少)等策略等進行優(yōu)化。由于分布式清潔能源發(fā)電量的概率密度函數通常比較復雜，相關參數較多，且較難準確預測，大大增加了問題的復雜性。

技術實現(xiàn)要素：

有鑒于此，本發(fā)明旨在提出一種既能同時適應于分布式發(fā)電設備的波動性以及用戶發(fā)電、買電、賣電、用電、儲能、負載調節(jié)等需求，又具有低復雜度和易操作性的基于雙時間尺度的用戶側能源管理方法。

根據本發(fā)明的一種基于雙時間尺度的用戶側能源管理方法，所述用戶側包括分布式發(fā)電設備、負載和儲能設備，所述雙時間尺度包括大時隙和小時隙，所述大時隙包含k個所述小時隙，所述方法包括：

建立所述大時隙下的用戶總體效用函數，以所述用戶總體效用函數最優(yōu)為目標對用戶在所述大時隙內的負載用電量、交易電量及所述儲能設備的充放電電量進行優(yōu)化，

在所述小時隙內，根據所述儲能設備的充放電電量的預測誤差，對所述負載進行調節(jié)，從而抵消所述分布式發(fā)電設備的發(fā)電量的波動量，所述預測誤差為所述儲能設備在所述小時隙內的充放電電量的預測值與實際值之差，其中，為在所述大時隙下求得的所述儲能設備的充放電電量的最優(yōu)值。

進一步地，在所述k個小時隙中的第k個小時隙內對所述負載進行調節(jié)的步驟如下：

s1:當所述預測誤差的絕對值大于第一預定門限值時，進行所述負載調節(jié)，且負載調節(jié)量等于所述預測誤差；

s2：否則,當所述儲能設備的電量狀態(tài)與預測電量狀態(tài)之差的絕對值大于第二預定門限值時，進行所述負載調節(jié)，且負載調節(jié)量等于所述儲能設備的電量狀態(tài)與預測電量狀態(tài)之差；

s3：若s1、s2中的條件均不滿足，則暫不進行所述負載調節(jié)。

進一步地，所述用戶總體效用函數建立如下：

gi＝li+oi+ti≥0

0≤li≤lmax

omin≤oi≤omax

其中，ui(li)為用電效用函數，且ui(li)＝ai(li)²+bili，li為第i個用戶當前大時隙的負載用電量，ai和bi為系數，且ai＜0，bi＞0；

it(ti)ptti為能源交易所得經濟收益，其中ti為所述第i個用戶的交易電量，即買電量或賣電量，it(ti)為分段函數，當ti＞0時，it(ti)pt＝pt，表示用戶對外賣電；當ti＜0時，it(ti)pt＝pl，表示用戶買電，pl和pt分別表示用戶的買電電價和賣電電價；

oi為儲能充放電收益，其中oi為第i個用戶的所述儲能設備的充放電電量，為預測未來儲能電價；

ei(li)為用戶負載調節(jié)效用函數；

gi＝li+oi+ti為用戶能源供需平衡約束條件，其中gi為預測的所述分布式發(fā)電設備在所述大時隙內的發(fā)電量；

0≤li≤lmax和omin≤oi≤omax分別為li和oi的邊界約束條件，其中l(wèi)max表示所述負載用電量的最大值，omin表示所述儲能設備的充放電電量的最小值，omax表示所述儲能設備的充放電電量的最大值。

進一步地，所述用戶負載調節(jié)效用函數ei(li)用每個所述小時隙內因所述負載調節(jié)產生的用戶體驗收益或成本的概率均值表示：

其中，表示第k個小時隙內因負載調節(jié)產生的用戶體驗收益或成本，表示第k個小時隙內負載調解量的概率密度函數。

進一步地，所述用戶體驗收益或成本表示為負載調節(jié)量的二次函數，即：

進一步地，ei(li)通過類正太分布對所述負載調節(jié)量的隨機特性進行建模，即，

其中，a、b、c為在標準正太分布基礎之上的修正系數。

根據本發(fā)明的基于雙時間尺度的用戶側能源管理方法至少可以取得如下的技術效果：

1.采用雙時間尺度架構。一方面通過建立大時隙下的用戶總體效用函數，實現(xiàn)對用戶負載用電量、能源交易電量及儲能設備充放電電量的優(yōu)化，實現(xiàn)了用戶經濟收益及用戶體驗收益的聯(lián)合最優(yōu)；另一方面在小時隙內根據儲能設備充放電電量的預測誤差，采取相應的負載調節(jié)策略，降低分布式發(fā)電設備的發(fā)電量的波動性的影響。

2.以儲能設備為中間設備，在每個小時隙中，通過采集儲能設備的充放電電量，實時地反饋用戶分布式發(fā)電設備的波動量；同時，設定儲能設備的充放電電量的波動門限，在此基礎之上，確定負載調節(jié)策略，使負載調節(jié)量近似等于儲能設備的充放電電量的預測誤差，削弱了分布式發(fā)電設備的波動性對用戶的影響；

3.取負載調節(jié)量為類正太分布隨機變量，求得在整個時隙內的概率均值e(li)，消除大時間尺度下用戶總體效用函數中的變量，實現(xiàn)了大時間尺度與小時間尺度問題的解耦，且避免了直接以分布式發(fā)電設備的發(fā)電量為隨機變量而引入復雜的概率密度函數，降低了問題的復雜度。

附圖說明

圖1為根據本發(fā)明的一個具體實施例的基于能源交換機的用戶側“源、荷、儲”協(xié)調優(yōu)化場景示意圖；

圖2為根據本發(fā)明的一個具體實施例的家庭場景下能源供需平衡關系示意圖；

圖3為根據本發(fā)明的一個具體實施例的雙時間尺度能源優(yōu)化策略時間軸示意圖；

圖4為根據本發(fā)明的一個具體實施例的邊際用電效用及買電成本示意圖。

具體實施方式

為使本發(fā)明的目的、技術方案和優(yōu)點更加清楚明白，以下結合具體實施例，并參照附圖，對本發(fā)明進一步詳細說明。

本發(fā)明旨在對適應于能源交換機的用戶側能源管理策略進行研究，下面將結合附圖對本發(fā)明做進一步的詳細說明。

本發(fā)明的一個具體實施例提供了一種基于雙時間尺度的用戶側能源管理方法，其可以適應于能源交換機，并且可以進行“源、荷、儲”以及能源交易的綜合協(xié)調。結合大時間尺度下的負載用電量、儲能充放電電量及能源交易電量的協(xié)調優(yōu)化以及小時間尺度下的負載調節(jié)，實現(xiàn)了用戶效用的最大化，減少了用戶側的分布式發(fā)電設備的波動性的影響。

如圖1所示，小區(qū)內的若干用戶，以能源交換機為核心設備實現(xiàn)用戶間的互聯(lián)以及與大電網的互聯(lián)。并且，每個用戶均配備分布式發(fā)電設備、儲能設備以及不同種類的負載。具體的，分布式發(fā)電設備可包含風機或者光伏等分布式清潔能源，但不局限于清潔能源，也可以是其他的發(fā)電設備，本文以分布式清潔能源為例；儲能設備可包括蓄電池，但不局限于蓄電池，也可以是其他的儲能設備。不同種類的負載可以是不可控負載、可控負載、關鍵負載或者電動汽車等。此外，每個用戶還配備智能化的能量控制器，實現(xiàn)用戶發(fā)電、用電等狀態(tài)的采集監(jiān)測，優(yōu)化策略的控制執(zhí)行，以及與能源交換機的信息交互等。能源交換機或局域電網運營商，根據當前用戶的發(fā)電及用電狀態(tài)，發(fā)布相關電價信息，對用戶的發(fā)電、用電、儲能及能源交易等進行調節(jié)。每個用戶可以根據所述電價信息，構建大時隙下的總體效用函數，對自身的負載用電量、儲能充放電電量及能源交易電量等進行優(yōu)化，并且結合小時隙下的負載調節(jié)，減少用戶側的分布式發(fā)電設備的發(fā)電量的波動性的影響。

如圖2所示，每個用戶的能源系統(tǒng)以儲能設備為中間調節(jié)環(huán)節(jié)。一方面儲能設備可以收集分布式發(fā)電設備(風機或者光伏)所生產的電能，實現(xiàn)電能的穩(wěn)壓和存儲；另一方面儲能設備可以向用戶側負載提供電能。此外，儲能設備還可以對外買電或賣電。上述過程中，每個用戶需要滿足能源供需平衡關系式gi＝li+oi+ti，其中，gi為第i個用戶的分布式發(fā)電設備的發(fā)電量、li為第i個用戶的負載用電量、oi為第i個用戶的儲能設備的充放電電量、ti為第i個用戶的對外交易電量。以此為基礎，我們可以通過讀取儲能設備的充放電電量的波動情況，間接地反應用戶分布式發(fā)電設備的發(fā)電量的波動情況，進而通過小時隙下的負載調節(jié)，使得負載調節(jié)量與儲能設備的充放電電量的預測誤差近似相等，削弱分布式發(fā)電設備的發(fā)電量的波動性的影響。

如圖3所示，雙時間尺度策略的時間邏輯可用時間軸表示。每個時隙開始時，用戶根據預測的分布式發(fā)電設備的發(fā)電量以及運營商發(fā)布的電價信息等，建立用戶總體效用函數，對用戶的負載用電量li、儲能充放電電量oi以及能源交易電量ti進行優(yōu)化。然后，在每個小時隙內，根據儲能設備的充放電電量預測誤差等，采取相應的負載調節(jié)策略。

根據本發(fā)明的一個具體實施例的用戶側能源管理方法，可以分為以下步驟：

步驟1：根據實時電價或分時電價的發(fā)布周期，確定雙時間尺度中大時隙的長度，例如20分鐘，30分鐘，1小時等。在大時隙開始之前或開始時，能源交換機或局域電網運營商根據現(xiàn)階段網內用戶的“發(fā)、儲、荷”以及交易信息，發(fā)布用戶買電電價pl、用戶賣電電價pt以及預測未來儲能電價

步驟2：根據分布式發(fā)電設備、用戶負載的波動情況，確定雙時間尺度中的小時隙的長度。例如，30秒，1分鐘，5分鐘。其中，每個大時隙包含k個小時隙。

步驟3：在大時隙下，用戶可以根據自身用電偏好建立用電效用函數，即用戶用電的用戶體驗函數，根據獲取的電價信息建立能源交易所得經濟收益(包括買電和賣電收益)，以及儲能設備充放電所得經濟收益。具體如下：

用電效用函數：建立用戶用電效用函數ui(li)為關于li的遞增的凸函數，其中，li為第i個用戶的負載用電量。例如，ui(li)可以表示為二次函數ui(li)＝ai(li)²+bili。其中，ai和bi為二次函數的系數，ai＜0，bi＞pl＞0；且不大于用戶的最大用電量lmax。此外，ui(li)不局限于二次函數，可以是其他任意的遞增凸函數，下文以二次函數為例進行描述。

能源交易所得經濟收益：it(ti)ptti，其中，ti為第i個用戶的交易電量，即買電量或賣電量，it(ti)可表示為分段函數；當ti＞0時，it(ti)pt＝pt，表示用戶對外賣電；當ti＜0時，it(ti)pt＝pl，表示用戶買電。

儲能充放電收益：oi，其中，oi為第i個用戶儲能設備的充放電電量；oi＞0表示充電，oi＜0表示放電。需要指出，預測儲能收益是指當前時刻儲能決策在未來時刻可能產生的潛在收益或成本，這是由儲能電量的累積特性引起的。

此外，用戶的發(fā)電量、用電量、儲能充放電電量以及能源交易電量等變量除滿足一定的邊界約束外，還需滿足供需平衡關系式gi＝li+oi+ti，其中，gi為分布式發(fā)電設備在大時隙內的發(fā)電量。

步驟4：建立用戶負載調節(jié)效用函數ei(li)為：

其中，表示對隨機變量求概率均值，表示第i個用戶在第k個小時隙內的負載調節(jié)量，表示因負載調節(jié)產生的用戶體驗收益或成本。此處聲明，因為大時隙開始時，無法對進行準確預測，故而將建模為隨機變量。此外，因為gi＝li+oi+ti且(為儲能設備充放電電量預測誤差，具體可見步驟6，可近似認為負載調節(jié)量儲能充放電電量預測誤差以及分布式發(fā)電設備發(fā)電量gi的預測誤差三者同分布，且均符合類正太分布。具體步驟如下：

第一，建立因負載調節(jié)而產生的用戶體驗收益或成本函數如圖4所示，pl是用戶買電電價，vi(li)＝2aili+bi是ui(li)的導數函數，即用戶用電的邊際效用函數。負載調節(jié)所引起的用戶體驗收益，與s所表示的灰色三角形區(qū)域的面積有關。當負載調節(jié)量為時，因此，得到其中，表示負載削減，表示負載增加。

第二，根據大數中心極限定理及文獻“一種改進的風電功率預測誤差分布模型，劉斌，楊寧，等.”，當取負載調節(jié)量為類正太分布，其概率密度函數為

其中，a＞0,b＞0,c為類正太分布概率密度函數φ相對于標準正太分布的校正系數，與前文用電效用函數ui中的ai,bi,ci無關。的均值和方差分別為

第三，根據φ求得關于隨機變量的概率均值ei(li)，即當取的概率均值u＝0時，有ei(li)＝0，與li無關，實際上，u通常為0。

步驟5：根據步驟3和步驟4建立用戶的總體效用函數，并求得大時隙內用戶的最優(yōu)負載用電量最優(yōu)交易電量及最優(yōu)儲能設備充放電電量然后，能源交換機根據網內各個用戶的進行電能的統(tǒng)一分配調度。具體步驟如下：

第一，如下所示，建立用戶的總體效用函數。

目標函數：

gi＝li+oi+ti≥0

約束條件：0≤li≤lmax

omin≤oi≤omax

gi＝li+oi+ti為用戶能源供需平衡約束條件，其中gi為預測的所述分布式發(fā)電設備在大時隙內的發(fā)電量；0≤li≤lmax和omin≤oi≤omax分別為li和oi的邊界約束條件，其中l(wèi)max表示所述負載用電量的最大值，omin表示所述儲能設備的充放電電量的最小值，omax表示所述儲能設備的充放電電量的最大值。

第二，根據步驟4，當u＝0時，有ei(li)＝0，與li無關。易得，上述優(yōu)化函數為分段凸函數，可采用如下策略求解。

s1：用凸優(yōu)化方法，如內點法，sqp算法等，計算ti≥0時的最優(yōu)目標函數值，并記作f1

s2：用凸優(yōu)化方法計算ti＜0時的最優(yōu)目標函數值，并記作f2

s3：取f1和f2中的最大值為最終的最優(yōu)目標函數值，且其對應的li,ti,oi為大時隙內用戶負載用電量、用戶交易電量及儲能設備充放電電量的最優(yōu)解，且分別記作

第三，能源交換機根據網內各個用戶的進行電能的統(tǒng)一分配調度。

步驟6：每個小時隙內，根據儲能設備充放電電量的預測誤差進行實時的負載調節(jié)，減小分布式發(fā)電設備的發(fā)電量的波動性的影響。具體步驟如下：

第一，計算第k個小時隙開始時，通過儲能設備能量管理系統(tǒng)讀取電池電量則儲能設備在第k個小時隙內的充放電電量為然后，根據預測的求得儲能充放電電量預測誤差進一步地，可表示為其中為步驟5中大時間尺度下的儲能設備充放電電量的最優(yōu)值。

第二，根據進行負載調節(jié)。

s1：當儲能設備的充放電電量的預測誤差的絕對值大于第一預定門限值時進行負載調節(jié)，且負載調節(jié)量其中，表示負載削減，表示負載增加，θo為門限因子，且0＜θo＜1。

s2：否則，,當第k個小時隙儲能設備電量狀態(tài)與預測的電量狀態(tài)之差的絕對值大于第二預定門限值δ時，即進行負載調節(jié)，且負載調節(jié)量其中，可以根據大時隙下儲能電池初始電量等數據估計而得，例如

s3：若s1、s2中的條件均不滿足，則暫不進行負載調節(jié)。

本發(fā)明采用雙時間尺度的方法對家庭用戶的“源、荷、儲”及能源交易進行協(xié)調優(yōu)化。每個大時隙開始時，用戶根據預測的分布式發(fā)電設備發(fā)電量以及運營商發(fā)布的電價信息，通過最大化用戶總體效用函數，對用戶的負載用電量、能源交易電量及儲能充放電電量進行優(yōu)化，使得自身的經濟收益及用戶體驗達到聯(lián)合最優(yōu)。然后，在每個小時隙，通過采集儲能設備的充放電電量，計算儲能設備的充放電電量預測誤差，間接地反饋用戶分布式發(fā)電設備的發(fā)電量的波動情況，并實時地采取相應的負載調節(jié)策略，減小分布式發(fā)電設備發(fā)電量波動性的影響。

此外，采用對求概率均值的方式降低了問題的復雜度。一方面，以預測誤差為研究對象(儲能充放電電量預測誤差及分布發(fā)電設備發(fā)電量預測誤差)，避免了直接以分布發(fā)電設備的發(fā)電量為隨機變量而引入復雜的概率密度函數，降低了目標函數的復雜性及求解難度；尤其是當取預測誤差的均值為0時，本發(fā)明提出的模型可直接用較為成熟的凸規(guī)劃算法求得全局最優(yōu)解。另一方面，消除了大時間尺度下的用戶總體效用函數中的變量，即ei(li)與無關，實現(xiàn)兩個時間尺度優(yōu)化問題的解耦。使得大、小時間尺度下的優(yōu)化策略可以較為獨立地進行，降低了問題復雜度。

以上所述，僅為本發(fā)明較佳的具體實施方式，但本發(fā)明的保護范圍并不局限于此，任何熟悉本技術領域的技術人員在本發(fā)明揭露的發(fā)明構思和思想內，可輕易想到其他變化或替換，都應涵蓋在本發(fā)明的保護范圍之內。例如，本文所述的用戶總體效用函數可以根據用戶的個人用電偏好進行變化，不限于本文所述的具體函數形式。本文所述的大小時隙下的負載調節(jié)策略也不限于本文所述的具體實施例中的負載調節(jié)策略，只要滿足本文所述的基于雙時間尺度的負載調節(jié)的發(fā)明構思，均在本發(fā)明的保護范圍內。因此，凡在本發(fā)明的精神和原則之內，所做的任何省略、修改、等同替換、改進等，均應包含在本發(fā)明的保護范圍之內。