Deep Learning Based Characteristic Packaging of Demand Response for Microgrids and Optimal Operation of Distribution Network

Yanjun LI; Wei PEI; Hao XIAO; Youbo LIU

doi:10.7500/AEPS20201117002

您当前的位置：

首页 >

文章列表页 >

Deep Learning Based Characteristic Packaging of Demand Response for Microgrids and Optimal Operation of Distribution Network

Application Research | 更新时间：2025-06-16

- Deep Learning Based Characteristic Packaging of Demand Response for Microgrids and Optimal Operation of Distribution Network
- Automation of Electric Power Systems Vol. 45, Issue 10, Pages: 157-165(2021)
- 作者机构：
  
  1.四川大学电气工程学院，四川省成都市 610065
  2.中国科学院电工研究所，北京市 100190
- 作者简介：
- 基金信息：
  
  National Natural Science Foundation of China;National Key R&D Program of China
- DOI：10.7500/AEPS20201117002
  CLC：
- Received：17 November 2020，
  
  Revised：2020-12-24，
  
  Published Online：01 March 2021，
  
  Published：25 May 2021
- 稿件说明：
移动端阅览
李彦君,裴玮,肖浩等.基于深度学习的微网需求响应特性封装与配电网优化运行[J].电力系统自动化,2021,45(10):157-165.

LI Yanjun,PEI Wei,XIAO Hao,et al.Deep Learning Based Characteristic Packaging of Demand Response for Microgrids and Optimal Operation of Distribution Network[J].Automation of Electric Power Systems,2021,45(10):157-165.
李彦君,裴玮,肖浩等.基于深度学习的微网需求响应特性封装与配电网优化运行[J].电力系统自动化,2021,45(10):157-165. DOI： 10.7500/AEPS20201117002.

LI Yanjun,PEI Wei,XIAO Hao,et al.Deep Learning Based Characteristic Packaging of Demand Response for Microgrids and Optimal Operation of Distribution Network[J].Automation of Electric Power Systems,2021,45(10):157-165. DOI： 10.7500/AEPS20201117002.

摘要

微网作为新型需求响应资源，并网规模日益增加，但由于微网内部资源组合的不确定性以及源荷随机出力波动性，其参与电网运行的需求响应特性也呈现较大不明朗特征，极大地增加了配电网运行风险。为此，提出一种基于深度学习的微网需求响应特性封装与配电网优化运行新机制，采用数据驱动的方式对微网需求响应特性封装，避免对微网内部模型的解析，充分利用气象信息、价格数据建立微网长短期记忆（LSTM）多维时序需求响应封装模型，在此基础上构造配电网运行优化模型，并提出了基于改进的粒子群优化（IPSO）算法模型求解策略，以最大限度降低配电网电压越限风险与网络损耗。通过含微网群的33节点配电网系统算例进行分析，结果表明了所提微网需求响应封装模型的有效性以及IPSO算法的优越性。

Abstract

As a new type of demand response resource

the grid connection scale of microgrids is increasing. However

due to the uncertainty of the internal resource combination and the random output fluctuation of the sources and loads in microgrid

the demand response characteristics of its participation in the operation of the power grid also show great uncertainties so that the operation risk of the distribution network is greatly increased. In this regard

this paper proposes a new mechanism for the demand response characteristic package of microgrids based on deep learning and optimal operation of the distribution network. It can package the demand response characteristics of microgrids by a data-driven approach to avoid the analysis of the internal model of microgrids. With fully use of the weather information and price data

a multi-dimensional sequential demand response package model of microgrids based on long short-term memory (LSTM) is established. On this basis

an optimization operation model of distribution network is constructed

and a model solution strategy based on the improved particle swarm optimization (IPSO) algorithm is proposed to minimize the risk of the voltage over-limit and network loss in distribution networks. Through the analysis of the 33-node distribution system with microgrid group

the results show the effectiveness of the proposed demand response package model of microgrids and the superiority of the IPSO algorithm.

关键词

Keywords

references

肖斐，艾芊 . 基于模型预测控制的微电网多时间尺度需求响应资源优化调度［J］. 电力自动化设备， 2018 ， 38 （ 5 ）： 184 - 190 .

XIAO Fei ， AI Qian . Multiple time-scale optimal dispatch of demand response resource for microgrid based on model predictive control ［J］. Electric Power Automation Equipment ， 2018 ， 38 （ 5 ）： 184 - 190 .

孔林 . 基于连续时间序列的微电网需求响应策略研究［D］. 南京：东南大学， 2017 .

KONG Lin . Research on demand response strategy of microgrid based on continuous time series ［D］. Nanjing ： Southeast University ， 2017 .

熊雄，吴鸣，季宇，等 . 微网群混合协调控制及功率管理策略研究［J］. 中国电机工程学报， 2018 ， 38 （ 5 ）： 1419 - 1427 .

XIONG Xiong ， WU Ming ， JI Yu ， et al . Power management and coordinated control strategy research of multi-microgrids ［J］. Proceedings of the CSEE ， 2018 ， 38 （ 5 ）： 1419 - 1427 .

张福民，叶子静，李占凯，等 . 基于遗传-禁忌搜索算法的微网群能量管理［J］. 高电压技术， 2018 ， 44 （ 7 ）： 2323 - 2330 .

ZHANG Fumin ， YE Zijing ， LI Zhankai ， et al . Energy management of microgrid cluster based on genetic-tabu search algorithm ［J］. High Voltage Engineering ， 2018 ， 44 （ 7 ）： 2323 - 2330 .

窦春霞，罗维，岳东，等 . 基于多智能体的微网群内电力市场交易策略［J］. 电网技术， 2019 ， 43 （ 5 ）： 1735 - 1744 .

DOU Chunxia ， LUO Wei ， YUE Dong ， et al . Multi-agent system based electricity market trading strategy within microgrid groups ［J］. Power System Technology ， 2019 ， 43 （ 5 ）： 1735 - 1744 .

周保荣，黄廷城，张勇军 . 计及激励型需求响应的微电网可靠性分析［J］. 电力系统自动化， 2017 ， 41 （ 13 ）： 70 - 78 .

ZHOU Baorong ， HUANG Tingcheng ， ZHANG Yongjun . Reliability analysis on microgrid considering incentive demand response ［J］. Automation of Electric Power Systems ， 2017 ， 41 （ 13 ）： 70 - 78 .

李鹏，吴迪凡，李雨薇，等 . 基于综合需求响应和主从博弈的多微网综合能源系统优化调度策略［J/OL］. 中国电机工程学报［ 2021-01-26 ］. http：//kns.cnki.net/kcms/detail/11.2107.tm.20201207.0848.002.html http://kns.cnki.net/kcms/detail/11.2107.tm.20201207.0848.002.html .

LI Peng ， WU Difan ， LI Yuwei ， et al . Optimal dispatch of multi-microgrids integrated energy system based on integrated demand response and Stackelberg game ［J/OL］. Proceedings of the CSEE ［ 2021-01-26 ］. http：//kns.cnki.net/kcms/detail/11.2107.tm.20201207.0848.002.html http://kns.cnki.net/kcms/detail/11.2107.tm.20201207.0848.002.html .

陈哲，张伊宁，马光，等 . 计及需求侧响应日前-日内两阶段鲁棒备用优化［J］. 电力系统自动化， 2019 ， 43 （ 24 ）： 67 - 76 .

CHEN Zhe ， ZHANG Yining ， MA Guang ， et al . Two-stage day-ahead and intra-day robust reserve optimization considering demand response ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 24 ）： 67 - 76 .

谢敏，吉祥，柯少佳，等 . 基于目标级联分析法的多微网主动配电系统自治优化经济调度［J］. 中国电机工程学报， 2017 ， 37 （ 17 ）： 4911 - 4921 .

XIE Min ， JI Xiang ， KE Shaojia ， et al . Autonomous optimized economic dispatch of active distribution power system with multi-microgrids based on analytical target cascading theory ［J］. Proceedings of the CSEE ， 2017 ， 37 （ 17 ）： 4911 - 4921 .

周晓倩，艾芊 . 配电网与多微网联合分布式鲁棒经济调度［J］. 电力系统自动化， 2020 ， 44 （ 7 ）： 23 - 40 .

ZHOU Xiaoqian ， AI Qian . Combined distributed robust economic dispatch of distribution network and multiple microgrids ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 7 ）： 23 - 40 .

周丹，孙可，张全明，等 . 含多个综合能源联供型微网的配电网日前鲁棒优化调度［J］. 中国电机工程学报， 2020 ， 40 （ 14 ）： 4473 - 4485 .

ZHOU Dan ， SUN Ke ， ZHANG Quanming ， et al . Day-ahead robust dispatch of distribution network with multiple integrated energy system-based micro-grids ［J］. Proceedings of the CSEE ， 2020 ， 40 （ 14 ）： 4473 - 4485 .

李云龙，田书，马亚光 . 含多微网的主动配电网分层优化调度［J］. 电力系统及其自动化学报， 2020 ， 32 （ 6 ）： 88 - 93 .

LI Yunlong ， TIAN Shu ， MA Yaguang . Hierarchical scheduling strategy for active distribution network with multi-microgrids ［J］. Proceedings of the CSU-EPSA ， 2020 ， 32 （ 6 ）： 88 - 93 .

吕天光，艾芊，孙树敏，等 . 含多微网的主动配电系统综合优化运行行为分析与建模［J］. 中国电机工程学报， 2016 ， 36 （ 1 ）： 122 - 132 .

LV Tianguang ， AI Qian ， SUN Shumin ， et al . Behavioural analysis and optimal operation of active distribution system with multi-microgrids ［J］. Proceedings of the CSEE ， 2016 ， 36 （ 1 ）： 122 - 132 .

李美成，梅文明，张凌康，等 . 基于可再生能源不确定性的多能源微网调度优化模型研究［J］. 电网技术， 2019 ， 43 （ 4 ）： 1260 - 1270 .

LI Meicheng ， MEI Wenming ， ZHANG Lingkang ， et al . Research on multi-energy microgrid scheduling optimization model based on renewable energy uncertainty ［J］. Power System Technology ， 2019 ， 43 （ 4 ）： 1260 - 1270 .

尚金成，程满，周颉英，等 . 电力实时平衡调度交易市场运作机制及模型的研究［J］. 电力系统自动化， 2006 ， 30 （ 17 ）： 28 - 35 .

SHANG Jincheng ， CHENG Man ， ZHOU Jieying ， et al . Study on operation mechanism and model of electric power real-time balancing-dispatching and trading market ［J］. Automation of Electric Power Systems ， 2006 ， 30 （ 17 ）： 28 - 35 .

PEI W ， DU Y ， DENG W ， et al . Optimal bidding strategy and intramarket mechanism of microgrid aggregator in real-time balancing market ［J］. IEEE Transactions on Industrial Informatics ， 2016 ， 12 （ 2 ）： 587 - 596 .

AN D ， YANG Q ， YU W ， et al . Sto2Auc： a stochastic optimal bidding strategy for microgrids ［J］. IEEE Internet of Things Journal ， 2017 ， 4 （ 6 ）： 2260 - 2274 .

ZHANG D ， LI S ， ZENG P ， et al . Optimal microgrid control and power-flow study with different bidding policies by using PowerWorld simulator ［J］. IEEE Transactions on Sustainable Energy ， 2014 ， 5 （ 1 ）： 282 - 292 .

艾欣，许佳佳 . 基于互动调度的微网与配电网协调运行模式研究［J］. 电力系统保护与控制， 2013 ， 41 （ 1 ）： 143 - 149 .

AI Xin ， XU Jiajia . Study on the microgrid and distribution network co-operation model based on interactive scheduling ［J］. Power System Protection and Control ， 2013 ， 41 （ 1 ）： 143 - 149 .

王志远，王守相，陈海文，等 . 考虑空间相关性采用LSTM神经网络的光伏出力短期预测方法［J］. 电力系统及其自动化学报， 2020 ， 32 （ 5 ）： 78 - 85 .

WANG Zhiyuan ， WANG Shouxiang ， CHEN Haiwen ， et al . Short-term prediction method of photovoltaic output using LSTM neural network considering spatial correlation ［J］. Proceedings of the CSU-EPSA ， 2020 ， 32 （ 5 ）： 78 - 85 .

JEONG G ， PARK S ， LEE J ， et al . Energy trading system in microgrids with future forecasting and forecasting errors ［J］. IEEE Access ， 2018 ， 6 ： 44094 - 44106 .

何浩，雷霞，黄涛，等 . 价格引导下多微网系统协调自治优化运行策略［J］. 电力系统保护与控制， 2019 ， 47 （ 16 ）： 17 - 26 .

HE Hao ， LEI Xia ， HUANG Tao ， et al . Coordinated and autonomous optimal operation strategy of multi-microgrid system under the guidance of price ［J］. Power System Protection and Control ， 2019 ， 47 （ 16 ）： 17 - 26 .

陈沧杨，胡博，谢开贵，等 . 计入电力系统可靠性与购电风险的峰谷分时电价模型［J］. 电网技术， 2014 ， 38 （ 8 ）： 2141 - 2148 .

CHEN Cangyang ， HU Bo ， XIE Kaigui ， et al . A peak-valley TOU price model considering power system reliability and power purchase risk ［J］. Power System Technology ， 2014 ， 38 （ 8 ）： 2141 - 2148 .

XIAO H ， PEI W ， DENG W ， et al . A comparative study of deep neural network and meta-model techniques in behavior learning of microgrids ［J］. IEEE Access ， 2020 ， 8 ： 30104 - 30118 .

龚锦霞，刘艳敏 . 基于深度确定策略梯度算法的主动配电网协调优化［J］. 电力系统自动化， 2020 ， 44 （ 6 ）： 113 - 125 .

GONG Jinxia ， LIU Yanmin . Coordinated optimization of active distribution network based on deep deterministic policy gradient algorithm ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 6 ）： 113 - 125 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Day-ahead Interactive Operation Method for Distribution Network and 5G Base Stations Based on Inter-station Migration of Communication Load

Optimization Method of Time-of-use Electricity Price for Improving Photovoltaic Hosting Capacity of Distribution Network

Reliability Pricing Method Based on Improved Long-run Incremental Cost Method

Distributed Optimal Scheduling of Urban Distribution System Considering Response Characteristics of Multi-type Microgrids

Related Author

ZHENG Ran

LIU Baozhu

HU Junjie

XIE Dongliang

LIU Hong

WANG Zhijie

XU Zhengyang

YANG Baijie

Related Institution

State Key Laboratory of Alternate Electrical Power System with Renewable Energy Sources (North China Electric Power University)

State Grid Electric Power Research Institute (NARI Group Corporation)

Key Laboratory of the Ministry of Education on Smart Power Grids (Tianjin University)

Georgia Tech Shenzhen College, Tianjin University

Key Laboratory of the Ministry of Education on Smart Power Grids (Tianjin University)

⁰