Distributionally Robust Modeling of Demand Response and Its Large-scale Potential Deduction Method

Beibei WANG; Peng XU; Xuanyuan WANG; Hao ZHANG; Bo NING

doi:10.7500/AEPS20210622002

您当前的位置：

首页 >

文章列表页 >

Distributionally Robust Modeling of Demand Response and Its Large-scale Potential Deduction Method

Basic Research | 更新时间：2025-06-16

- Distributionally Robust Modeling of Demand Response and Its Large-scale Potential Deduction Method
- Automation of Electric Power Systems Vol. 46, Issue 3, Pages: 33-41(2022)
- 作者机构：
  
  1.东南大学电气工程学院，江苏省南京市 210096
  2.冀北电力交易中心有限公司，北京市 100053
- 作者简介：
- 基金信息：
  
  National Key R&D Program of China(2020YFF0305800)
- DOI：10.7500/AEPS20210622002
  CLC：
- Received：22 June 2021，
  
  Revised：2021-09-23，
  
  Published Online：09 December 2021，
  
  Published：10 February 2022
- 稿件说明：
移动端阅览
王蓓蓓,胥鹏,王宣元等.需求响应分布鲁棒建模及其大规模潜力推演方法[J].电力系统自动化,2022,46(3):33-41.

WANG Beibei,XU Peng,WANG Xuanyuan,et al.Distributionally Robust Modeling of Demand Response and Its Large-scale Potential Deduction Method[J].Automation of Electric Power Systems,2022,46(3):33-41.
王蓓蓓,胥鹏,王宣元等.需求响应分布鲁棒建模及其大规模潜力推演方法[J].电力系统自动化,2022,46(3):33-41. DOI： 10.7500/AEPS20210622002.

WANG Beibei,XU Peng,WANG Xuanyuan,et al.Distributionally Robust Modeling of Demand Response and Its Large-scale Potential Deduction Method[J].Automation of Electric Power Systems,2022,46(3):33-41. DOI： 10.7500/AEPS20210622002.

摘要

需求侧资源的多样性、分散性使得小范围示范工程采集的响应模型很难推广到大容量客户群体，文中拟基于小样本需求响应数据完成需求响应特性泛化建模及其大规模潜力推演工作。首先，构建响应随机参数的分布鲁棒模糊集。其次，基于主成分分析法挖掘小样本用户用电与其响应死区拐点与饱和区拐点的关系，采用共性与个性结合的方式实现大规模泛化过程中一般用户响应关键参数的获取，最终实现基于小样本数据的大规模需求响应潜力推演。算例表明，所提需求响应潜力量化方法充分考虑了用户响应的随机性，对行业共性特征及用户个性特征都进行了较好刻画。研究成果一方面可支撑针对示范工程范围内小样本用户的需求响应特性精准建模，另一方面可支撑对未来场景下大容量客户群体的响应能力推演评估。

Abstract

The diversity and dispersion of resources at demand side make it difficult to extend the response model of small-scale demonstration projects to large-scale customer groups. This paper intends to complete the generalized modeling of demand response characteristics and its large-scale potential deduction based on small samples of demand response data. Firstly

the distributionally robust fuzzy set of response random parameters is constructed. Secondly

based on the principal component analysis method

the relationship between the power consumption of small sample users and inflection point of dead zone and saturation zone of their response is mined. The combination of commonness and individuality is used to obtain the key parameters of general user response in the process of large-scale generalization

and finally the deduction of large-scale demand response potential based on the small sample data is realized. Numerical examples show that the proposed quantification method of the demand response potential fully considers the randomness of user response

and better describes the common characteristics of the industry and the individual characteristics of users. On one hand

the research results can support the accurate modeling of demand response characteristics of small sample users within the scope of the demonstration project. On the other hand

it can support the deduction and evaluation of response ability of large-scale customer groups in future scenarios.

关键词

Keywords

references

高赐威，梁甜甜，李扬 . 自动需求响应的理论与实践综述［J］. 电网技术， 2014 ， 38 （ 2 ）： 352 - 359 .

GAO Ciwei ， LIANG Tiantian ， LI Yang . A survey on theory and practice of automated demand response ［J］. Power System Technology ， 2014 ， 38 （ 2 ）： 352 - 359 .

田世明，王蓓蓓，张晶 . 智能电网条件下的需求响应关键技术［J］. 中国电机工程学报， 2014 ， 34 （ 22 ）： 3576 - 3589 .

TIAN Shiming ， WANG Beibei ， ZHANG Jing . Key technologies for demand response in smart grid ［J］. Proceedings of the CSEE ， 2014 ， 34 （ 22 ）： 3576 - 3589 .

ALTHAHER S ， MANCARELLA P ， MUTALE J . Automated demand response from home energy management system under dynamic pricing and power and comfort constraints ［J］. IEEE Transactions on Smart Grid ， 2015 ， 6 （ 4 ）： 1874 - 1883 .

SAMAD T ， KOCH E ， STLUKA P . Automated demand response for smart buildings and microgrids： the state of the practice and research challenges ［J］. Proceedings of the IEEE ， 2016 ， 104 （ 4 ）： 726 - 744 .

王蓓蓓，李扬，高赐威 . 智能电网框架下的需求侧管理展望与思考［J］. 电力系统自动化， 2009 ， 33 （ 20 ）： 17 - 22 .

WANG Beibei ， LI Yang ， GAO Ciwei . Demand side management outlook under smart grid infrastructure ［J］. Automation of Electric Power Systems ， 2009 ， 33 （ 20 ）： 17 - 22 .

李亚平，王珂，郭晓蕊，等 . 基于多场景评估的区域电网需求响应潜力［J］. 电网与清洁能源， 2015 ， 31 （ 7 ）： 1 - 7 .

LI Yaping ， WANG Ke ， GUO Xiaorui ， et al . Demand response potential based on multi-scenarios assessment in regional power system ［J］. Power System and Clean Energy ， 2015 ， 31 （ 7 ）： 1 - 7 .

王蓓蓓 . 面向智能电网的用户需求响应特性和能力研究综述［J］. 中国电机工程学报， 2014 ， 34 （ 22 ）： 3654 - 3663 .

WANG Beibei . Research on consumers' response characteristics and ability under smart grid： a literatures survey ［J］. Proceedings of the CSEE ， 2014 ， 34 （ 22 ）： 3654 - 3663 .

葛晓琳，史亮，刘亚，等 . 考虑需求响应不确定性的电动汽车负荷Sigmoid云模型预测［J］. 中国电机工程学报， 2020 ， 40 （ 21 ）： 6913 - 6925 .

GE Xiaolin ， SHI Liang ， LIU Ya ， et al . Load forecasting of electric vehicles based on sigmoid cloud model considering the uncertainty of demand response ［J］. Proceedings of the CSEE ， 2020 ， 40 （ 21 ）： 6913 - 6925 .

朱兰，刘伸，唐陇军，等 . 充放电不确定性响应建模与电动汽车代理商日前调度策略［J］. 电网技术， 2018 ， 42 （ 10 ）： 3305 - 3317 .

ZHU Lan ， LIU Shen ， TANG Longjun ， et al . Modeling of charging and discharging uncertainty and research on day-ahead dispatching strategy of electric vehicle agents ［J］. Power System Technology ， 2018 ， 42 （ 10 ）： 3305 - 3317 .

GIANNELOS S ， KONSTANTELOS I ， STRBAC G . Option value of demand-side response schemes under decision-dependent uncertainty ［J］. IEEE Transactions on Power Systems ， 2018 ， 33 （ 5 ）： 5103 - 5113 .

孙毅，赵佳，李彬，等 . 考虑信息价值的需求侧用户响应潜力评估方法［J］. 电力科学与技术学报， 2017 ， 32 （ 1 ）： 3 - 10 .

SUN Yi ， ZHAO Jia ， LI Bin ， et al . Assessment method for demand side user response potential considering information value ［J］. Journal of Electric Power Science and Technology ， 2017 ， 32 （ 1 ）： 3 - 10 .

阮文骏，王蓓蓓，李扬，等 . 峰谷分时电价下的用户响应行为研究［J］. 电网技术， 2012 ， 36 （ 7 ）： 86 - 93 .

RUAN Wenjun ， WANG Beibei ， LI Yang ， et al . Customer response behavior in time-of-use price ［J］. Power System Technology ， 2012 ， 36 （ 7 ）： 86 - 93 .

王守相，张善涛，王凯，等 . 计及分时电价下用户需求响应的分布式储能多目标优化运行［J］. 电力自动化设备， 2020 ， 40 （ 1 ）： 125 - 132 .

WANG Shouxiang ， ZHANG Shantao ， WANG Kai ， et al . Multi-objective optimal operation of distributed energy storage considering user demand response under time-of-use price ［J］. Electric Power Automation Equipment ， 2020 ， 40 （ 1 ）： 125 - 132 .

李章允 . 电力需求响应潜力评估及其应用［D］. 广州：华南理工大学， 2017 .

LI Zhangyun . Evaluation of electric power demand response potential and its application ［D］. Guangzhou ： South China University of Technology ， 2017 .

HERATH P U ， FUSCO V ， CÁCERES M N ， et al . Computational intelligence-based demand response management in a microgrid ［J］. IEEE Transactions on Industry Applications ， 2018 ， 55 （ 1 ）： 732 - 740 .

贺帅佳，阮贺彬，高红均，等 . 分布鲁棒优化方法在电力系统中的理论分析与应用综述［J］. 电力系统自动化， 2020 ， 44 （ 14 ）： 179 - 191 .

HE Shuaijia ， RUAN Hebin ， GAO Hongjun ， et al . Overview on theory analysis and application of distributionally robust optimization method in power system ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 14 ）： 179 - 191 .

张玉敏，韩学山，杨明，等 . 基于狄利克雷模型的分布鲁棒机组组合［J］. 中国电机工程学报， 2019 ， 39 （ 17 ）： 5074 - 5084 .

ZHANG Yumin ， HAN Xueshan ， YANG Ming ， et al . Distributionally robust unit commitment based on imprecise Dirichlet model ［J］. Proceedings of the CSEE ， 2019 ， 39 （ 17 ）： 5074 - 5084 .

张亚超，黄张浩，郑峰，等 . 基于风电出力模糊集的电-气耦合系统分布鲁棒优化调度［J］. 电力系统自动化， 2020 ， 44 （ 4 ）： 44 - 53 .

ZHANG Yachao ， HUANG Zhanghao ， ZHENG Feng ， et al . Distributionally robust optimal dispatch for power-gas coupled system ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 4 ）： 44 - 53 .

WANG C ， GAO R ， QIU F ， et al . Risk-based distributionally robust optimal power flow with dynamic line rating ［J］. IEEE Transactions on Power Systems ， 2018 ， 33 （ 6 ）： 6074 - 6086 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Distributionally Robust Optimization Method for Substation Planning Considering Incentive-based Response Uncertainty

Distributionally Robust Low-carbon Dispatch of Park-level Integrated Energy System Considering Uncertainty of Customer Response

Related Author

GE Shaoyun

FAN Qingfei

LIU Hong

HAN Jun

CHENG Liang

XU Zhengyang

CAI Chao

JIN Xudong

Related Institution

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

Economic and Technology Research Institute of State Grid Jiangsu Electric Power Co., Ltd.

State Grid Jiangsu Electric Power Co., Ltd.

School of Electrical Engineering and Automation, Hefei University of Technology

Anhui Provincial Key Laboratory of Renewable Energy Utilization and Energy Saving

⁰