文摘

加强智能电网建设和广泛流行的智能电表使大量的电能消耗数据收集和分析。能源供应商数据的基础上,给出了一个指导价格在未来时期给用户。它鼓励用户是更经济和更聪明的过程中使用的电力。社会福利模型运用到供给和需求在每一个时间间隔等同起来,我们获得的最优价格和发电能力。然而,事实是,消费者有很大差距订了电能消耗和最佳的发电能力,导致电力系统过载甚至停机。本文提出了一种新颖的自动过程控制策略以监控之间的差距消费者预订电能消耗和最优发电能力通过使用统计方法预测未来。预测价值超过边界时,能源提供者采用多变的电力价格来刺激消费者来调整他们的电能需求,以便它可以顺利实际电能消耗。我们的调整方法是数据驱动指数基于函数的调整。案例研究结果表明,该策略可以获得小的调整时期,稳定的实际消费载荷,可控的预测错误。不同于线性监控和调整策略,调整我们的方法获得几乎相同的频率,减少残差的标准差,和更高的总社会福利和能源供应商利润。

1。介绍

随着城市化的发展,人类的物质生活质量都得到了极大的改进。然而,一些环境污染等问题也出现了。为了减少环境污染,避免过度消费资源,二氧化碳排放峰值和碳中和引起了热烈的讨论。提到能源消耗,人类转向一些清洁可持续能源资源包括水电和太阳能而不是限制传统煤炭化石能源。

传统电网的刚性结构的限制,也就是说,缺乏灵活性与新能源和电网连接信息的传输延迟,由于落后的通讯网络等,可能会导致问题,例如,供需不平衡。由于缺陷网格和上一代的移动通信技术的出现,智能电网提出了由IBM(在美国)在2006年,“下一代电网”(1]。不仅美国和欧盟国家,还中国已经拿起一些城市成为飞行员的SG(智能电网)2]。与传统电网相比,SG具有以下优点:及时可靠的数据之间的双向通信网络,供需平衡的信息互动,简单和方便的存储分配能源安全的微型智能电网"连接受益于高容量电池技术的发展,和高效的计算能力产生的创新模型和智能算法。

智能电表与逐步成熟的通信技术快速发展,集传统的计量和数据交互功能。所以,用户和能源供应商可以交换数据。与此同时,它还可以分析,预测,消费和管理负载。配备先进的传感器技术和可靠的终端设备,实时定价(RTP)正在蓬勃发展。不同于传统的定价结构,合理的RTP可以保持供求平衡和保持消费者和供应商的舒适度最大化,因为它有灵活和智能特征。

RTP的终极目的国内外专家的研究是实现最大化社会福利总额(3,4]。对于这个目标,开发分布式动态定价算法获得调峰和valley-filling4]。最近,这种RTP模型已被先进的积极的模型改进和更强的算法收敛。赵et al。5)研究了在能源事务计费系统通过使用一个动态定价机制。朱et al。6)有一个更好的收敛速度和更好的手术效果与小组ADMM通过求解该模型的算法。

RTP强调了稳定、可靠的理论定价政策和最佳的发电能力,但它不符合现实。最初的目的是指导用户合理使用电能通过改变电价和平衡智能电网。然而,事实是,大多数消费者不愿意调整自己的用电需求的不断变化的电力价格每小时。导致实际电能消费再次失去控制,导致的损失智能电网的稳定性和可靠性。即使在极端情况下,能量提供者提供预订消费用户在高峰时间可能会导致停电。解决停电,电力公司、发电厂不得不面对提高能源成本,远远超过收入。这是最少的能源提供商想要的东西。为了防止这种情况,我们应该制定一个解决方案基于RTP的操作模型。它不仅能使电力系统改变价格通过自动监测有限但也有一个平稳的实际电能消耗。换句话说,用户的实际电能消费接近最优发电能力从RTP模型。 In the existing literature, there are many studies on how to manage the electrical energy consumption in smart grid. However, they rarely consider how to reduce the adjustment frequency of electricity price [7,8]。

自动过程控制(APC)策略可以弥补这个缺点。它可以提供有效的过程监控和调整。箱(9)应用APC产品控制方法。我们将调整过程超出了边界之前设置。通过这种方式,调整频率将下降,生产质量往往会被控制在一定的范围内。APC的策略是广泛应用于产品,制造和服务领域。埃尔南德斯等人。10)提出了控制工具来监控变量。元等。11研究了一个APC图来识别异常。监控预定之间的差距和优化电能消耗,他et al。12)研究了基于函数一行APC的策略。然而,APC策略尚未广泛应用于SG (13- - - - - -15]。

提出了一种新的基于函数数据驱动指数APC战略。我们使用指数加权移动平均(EWMA)监控电能消耗。从能源供应商获得动态定价后,用户可以提前一天或更多的电力通过智能电表。当时,能源供应商可以监视用户的预订消费负载和计算最优发电能力,这之间的区别。自那以后,转向使用数据驱动的APC方案管理电能消费通过改变动态定价。还有很长的研究历史的EWMA国内外学者。杨et al。16)设计了一个第二阶段EWMA控制模型监控可变维度平均向量。在统计应用程序中,经常使用EWMA预测趋势(17- - - - - -19]。他等。20.研究一个EWMA预测模型监控电能消耗的过程。本文应用EWMA预测下一个最优区间差距电能发电能力和订了电能消耗。超过预先设定的边界时,增加或减少一些时间间隔的价格应该是通过刺激需求的回应。通过这种方式,它可以让一些调整,避免副作用造成的用户频繁的价格调整。负载是最终实现了稳定的消费。

本文的研究特色和亮点列出如下:(1)本研究提出了一个原始数据驱动指数基于函数的自动过程控制策略来管理消费者的订了电能消费之间的差距和最优发电能力(2)数量小的调整是通过数据驱动的指数函数调整方法,可以实现一个实用的电能消费接近最优发电能力调整后(3)这种策略可以弥补RTP算法的缺陷,实现有效的二氧化碳排放峰值效应

本文的其余部分安排如下:数据驱动的APC策略提供部分2。节3算法。包括在部分案例研究和结果分析4。结论是在一节5。

2。数据驱动的APC(自动过程控制)的策略

SG系统本文中讨论的结构如下:一个发电厂,能源提供者,和一些用户。用户已经安装了智能电表。电厂传送能源供应商的权力。能源提供者收集来自用户的能耗数据通过智能电表。能源供应商应用下的社会福利最大化模型来计算价格时间间隔并传递给用户。收到价格后美元/千瓦时,用户储备消费负载从能源提供者(一天甚至一个星期)。消费者的数量 ,和假设的时间分为电能操作间隔。假设设置 代表消费者和组 代表时间间隔。每个用户能源提供商获得的 在间隔谷和峰值电能源消耗数据 根据过去的数据所提供的智能电表,即和 。表示作为用户电能消耗的时间间隔 ,可以假设及其范围 。详细的社会福利模型可在附录。

在我们解决优化问题(C.1)- (C.3)(见附件),最优的价格和理论最优发电能力在时间间隔可以获得。电力供应商得到一个平稳的电能消费的基础上 。但这只是一个最优的情况。多数情况下,消费者的订了电能消费观察从智能电表是相当不同的从最佳的发电能力 。适当地引导消费者使用电能是最有效的方法来防止这种现象。

把用户的需求响应机制,价格考虑在内,我们计算最优发电能力之间的差距与社会福利模型加载和预订消费。之后,当它超过边界,我们使用数据驱动的APC计划改变的差距。能源提供者改变价格来让用户调整实际消耗的负载。最后,实际的电能消耗是接近最优发电能力。此外,我们可以获得更高的社会福利和能量与数据驱动的APC策略提供者可以得到更多的利润。我们首先介绍的定义EWMA估计(12,20.]。

2.1。EWMA估计

我们假设用户的电能消费第二间隔,和预订保留精密调整的一个重要的参考价值。

为了准确获得预定电能消费差距的程度用户的时间间隔和最优发电能力 ,我们设置的差距作为 我们预测未来值的差距EWMA模型从去年调整间隙值。计算的细节如下。

设置初始值的差距 ,并设置一个调整 。的EWMA差距的价值在时间间隔 在以下公式: 在这 是折扣的因素。

同样,EWMA的价格在时间间隔 是 在这改变价格区间 。

在调整的过程中,改变EWMA价值在时间间隔 是 在哪里间隔调整价格 。

2.2。数据驱动的APC电能监测

在本节中,我们讨论如何开发一个数据驱动的APC电能监测策略,以最小化目标电能的不同差距 。我们将改变价格当EWMA值超出了边界 在哪里prestipulated上限和吗prestipulated下限。在监测过程中,符合(5),EWMA的值是不限制的。调整它的作用将获得接近目标的价值。很明显在测试结果中,达到一个稳定的后续调整,值得讨论的是找到一个方法来设置参数 和 正确目标的过程。

当监控用户的预订消费负载,我们获得一个系列EWMA估计。如果满足(5),用户的预订电能源消耗已经超出了稳定极限。为防止消费者的盲目的用电,能量提供者应用用户的价格需求反应。它指导用户正确使用权力,达到平稳的电能消耗。

2.3。数据驱动的APC调整

如果自动计算估计价值超过了上限 ,这意味着订了电能消耗超出预期。同时,实时的价格将增加诱导消费者合理降低了电能消耗。同样的道理,如果低于下边界 ,这意味着将电能消费低于期望和剩余的力量就足够了。有必要减少实时价格,鼓励消费者增加了电能消耗在那一刻。能源供应商甚至可以鼓励用户将电能存储在自己的电池通过价格上涨的时期。通过以上调整,用户可以引导合理的电能消耗。因此,光滑,可以确保稳定的电力供应的能源供应商。

讨论的策略需要在价格变化之间的定量关系和用户之间的差距了电能消耗和最佳的发电能力。可以通过相关测试数据的关系。为了解释调整策略,我们提供以下定理。

定理1。设置需求函数为指数函数。EWMA估计的差距电力价格EWMA价值指数吗 ,形式是 ; 和 是常数。当满足负载的差距 , 调整到 ,然后价格变化

当 , 调整到 ,然后价格变化

证明。在时间间隔 ,当 , 必须适应 。与此同时,EWMA价格从来 。在假设条件下,我们有 可以写成 根据(3),(4),(8)和(9),我们有 设置 价格变化,我们有 同样的,当 ,我们调整来 ;在假设条件下,我们有 所以我们获得 因此,从上面,公式(7)建立。

3所示。算法

根据定理1,调整电能消耗在时间间隔 是

然后我们有

我们得到最优解和通过应用拉格朗日对偶方法解决社会福利最大化问题(C.1)- (C.3)(见附件)。智能电表饲料用户的预订电能消费系列能源供应国。根据(1),我们计算系列订了电能消费之间的差距用户的时间间隔和最优发电能力 。让最初的负载调整消费差距 , ,和 ,这最初的预测误差 。设置初始价格调整 。假设的参数 和 , , ,和 。在时间间隔 ,数据驱动应用APC策略,监控和调整算法概括为算法1。

4所示。案例分析

数据驱动的操作效果指数基于函数的APC监测和调整的策略是通过新加坡的电力市场数据分析(21在这部分。

4.1。电力负荷

2017年我们选择RTP数据从3月5日,3月6日,2017年,从3月3和电能消耗数据,2017年,3月6日,2017年,模拟。在算法1,我们设置RTP数据作为初始预定序列 。在方程(1),我们设置了电能消费数据从3月5日,2017年3月6日,2017年,订了电能消耗 。过去的电能数据在相应的时间从3月3日,2017年,3月4日,2017年,被认为是最佳的发电能力在方程(1)。原来的电力负载如图1。

如图1,用户的预订消费电力负荷运行远离最优发电能力。为了鼓励用户合理使用权力,需要采用数据驱动的APC的策略。这意味着调整电价由供应商。然后它将引导消费者调整实际电能消费。

4.2。数值分析对APC的调整

让 ,和看到部分3对于其他初始参数。设置参数的算法1如下: , , , ,和 。假定的参数 在方程(B.3) 。数据2- - - - - -5仿真结果显示,APC策略。

图2描述了电能量差距系列比那些没有稳定的调整后11调整。通过经验,平均调整间隔是47/11 = 4.3,和残差的标准差 。没有点以外的范围表明没有异常的迹象。

我们可以看到在图3,调整用电量接近最优发电能力比没有调整,可以实现和预期效果。图4表明,电价已经改变了11次。最大的价格变化 单位。在这段时期,我们鼓励消费者购买和使用更多的电能消耗。我们应用方程(C.1)计算总社会福利 ,我们应用方程(B.4)计算利润 。从图可以看出5通过运行我们的战略,我们可以获得更高的社会福利和利润比那些没有调整。

除了提高能源提供商的利润和总社会福利,数据驱动的APC调整策略有助于平衡供电,防止SG中断。

4.3。比较两种不同的需求函数调整

文献[12)指出,有一个EWMA预计值之间的线性关系负载的消费差距和EWMA预测价值的价格。本文提出,和提出了作为一个指数函数。的参数是 , , , ,和 。电能消耗的比较结果调整这两个方法如表所示1和数字6- - - - - -8。

从表1和图6,我们可以得知指数调整的调整频率略高于线性,但指数调整的标准偏差小于线性调整。

表1和图7说明总社会福利和能源提供商的利润高于指数需求函数的线性的。图8提出价格调整的影响指数比线性需求函数更好。特别是,甚至指数调整的调整频率略高于线性的,和残差的标准差,总社会福利,和能源提供商的利润需求指数函数是线性函数的比调整。

从观察的结果,我们可以得出这样的结论:一般来说,指数函数调整的效果优于线性函数调整。

5。结论

书在我们的智能电网系统,用户可以一天或更多的电能消费根据动态定价提供的能源提供者。这种能量提供者监控实时预订消费负载,获得稳定消费负载通过价格需求响应机制。自动过程控制策略本文提出如下。管理电力消耗的过程。也就是说,能源供应商监控的最优发电量差距社会福利最大化问题和消费者的订了电能消耗。然后预测时间间隔与统计平均电能消费差距模型。只有当预测平均数量超出了预设的边界,价格上涨和削减是用来改变价格,刺激需求的回应。通过这种方式,调整频率不是太大,和用户(即会改变他们最初的消费计划。,实际的能耗过程中预订消费)。所以电能消费可以成为电网运行稳定、可靠、安全。案例分析表明,该网络系统的能量提供者自动监视和调整价格,以得到一个小的调整频率,一个稳定的实际电能消耗,和可控剩余标准差。 After comparison, the exponential function adjustment method proposed in this paper is also shown to be more suitable than the linear one.

附录

社会福利模型

答:用户的效用函数

基于微观经济学,效用函数 可以选择显示能耗后用户的满意程度。意味着消费负担,给消费者的电能消费意愿,改变间隔和消费者。考虑没有电力需求和效用。我们选择对数函数(20.]

表示消费者的成本,和每个用户的效益函数 在哪里 是消费者的福利函数在时间间隔 。假设每个消费者的目标是获得最优效益价值;即最大效用函数和最小能耗成本产生。

能源供应商利润函数

表示间隔的能源提供商的发电能力 。 和分别表示峰值和山谷生成能力。当消费者书电能消费几天前,和能源提供者根据预定供电电能消耗,能源系统在本文中不会有停电由于电力供应不足。我们假设=所有用户的最大数量的电能需求,和等于最低的。和表示如下(4]:

发电成本在时间间隔的能量提供者(4] 在哪里 是预设的参数。是能量提供者的销售额。能源提供商的利润区间是(4]

社会福利最大化问题

讨论了本文对SG系统优化问题。下面的公式显示的最大总社会福利(4]:

约束条件(C.2)显示,消费负载小于供给的:

也就是说,在这样的一个实时电价模式,电源故障造成的电力供应不足可能永远不会发生。因为目标函数显示在(C.1)是凹和约束条件(C.2)是线性模型(C.1)- (C.3)是一个凸规划问题。因此,不少算法可以解决消费负载和发电能力。例如,内点算法可以解决这个问题。然而,这些算法不能解决的RTP,关键在控制和管理的电能消耗。所以双重方法应用于解决问题(C.1)- (C.3)。

数据可用性

使用的数据来支持本研究的结果都包含在这篇文章中的引用。

的利益冲突

作者宣称没有利益冲突有关这项研究的出版物。

确认

这项工作是由中国国家自然科学基金(没有。11401369)。