一种基于博弈论的确定建筑用电设备响应调度时序优先级策略的方法技术

本发明专利技术涉及一种基于博弈论的确定建筑用电设备响应调度时序优先级策略的方法，S1、基于负荷特征指标的建筑侧设备特征聚类；S2、考虑设备参与需求响应的随机性建立多方多策略的混合策略博弈模型；S3、基于演化博弈复制动态方程求解演化稳定均衡策略，得到建筑侧设备响应调度时序优先级。本发明专利技术不仅能够对建筑侧典型用电设备根据负荷特性进行统一分类，而且能够确定建筑侧多种柔性资源参与建筑需求响应时序优先级，并基于该策略实施削减峰值负荷，改善负荷曲线波动性，有效降低用户经济成本。本。本。

【技术实现步骤摘要】
一种基于博弈论的确定建筑用电设备响应调度时序优先级策略的方法


[0001]本专利技术属于建筑能源响应调度控制
，具体涉及一种基于博弈论的确定建筑用电设备响应调度时序优先级策略的方法。

技术介绍

[0002]随着经济社会发展，需求侧用电负荷不断增长，用电峰谷差的不断增大给电网安全稳定运行带来了巨大风险挑战。而在智能电网不断发展的趋势下，以需求响应为主要策略的需求侧管理技术逐渐成为应对电网供需不平衡问题、保证电力稳定供给的有效手段。随着用户侧用电设备智能化水平不断提高，新能源设施、分布式能源的不断普及，使得需求侧资源日趋多元化。在这种情况下，以单一主体决策为主要特征的最优化方法体系难以求解多决策主体最佳策略选择问题，以实现各方利益的均衡和优化，因此用于解决多主体参与的优化决策问题的博弈论方法逐渐成为攻克需求侧管理难题的有利工具。
[0003]博弈论主要解决两个及以上的参与者在利益相互关联或者冲突时，如何以自身利益最大为目标进行优化决策的问题，相比于其他的优化理论方法，博弈论的特点在于各个主体的策略选择之间是相互影响的，一个参与者制定的策略会影响其他参与者在满足自身利益最大化情况下所进行的决策。在需求侧资源日益多样化的发展趋势下，必然存在利益相关的多个需求侧主体之间的博弈行为，如何利用博弈论来协调优化需求侧资源，加强需求侧管理，有效解决电网供需不平衡问题，保证电网运行稳定性具有十分重要的意义。
[0004]与此同时，在当前严峻的电力供需紧张形势下，有序用电也逐渐成为应对电力供需不平衡、保障电力用户基本需求和生产生活有序进行的一种有效的需求侧管理手段。在此背景下，当用户侧多种用电设备参与电网需求响应时，如果集中响应或无序响应，往往会造成需求响应效果差或者形成新的负荷峰谷差值等问题。因此在实施建筑需求侧管理的过程中，如何确定多种柔性资源参与建筑需求响应的次序，提高响应效率同时最大化满足用户需求，是有序调度策略研究中的关键问题。
[0005]然而，在目前研究中，往往以用户为整体作为博弈参与者，只考虑其总负荷出力变化进行博弈策略选择，并没有考虑到不同类型负荷的用电行为之间的差异性和相互作用，所得到的调度策略也并不能够同时满足不同类型负荷的用电需求。另一方面，在建立博弈参与者的博弈策略时，并没有考虑到参与者选择策略的随机性，大多是考虑以纯策略参与博弈过程。同时在确定各设备调度优先级时，往往依赖于预定的规则和权重指标，缺乏对不同需求响应时段、用户需求等外部环境变化的灵活性和适应性，同时也没有考虑到不同设备用电行为之间的相互影响。

技术实现思路

[0006]本专利技术的目的在于克服现有技术的不足，提供一种基于博弈论的确定建筑用电设备响应调度时序优先级策略的方法。
[0007]本专利技术解决其技术问题是通过以下技术方案实现的：
[0008]一种基于博弈论的确定建筑用电设备响应调度时序优先级策略的方法，其特征在于：所述方法的步骤为：
[0009]S1、基于负荷特征指标的建筑侧设备特征聚类
[0010]以居住建筑和办公建筑侧典型用电设备作为研究对象，基于对用电设备的用电规律和负荷特性分析，提出设备开启频率、设备运行周期性、运行状态波动性三种负荷特征聚类指标；基于Min
‑
Max标准化方法和PAA降维算法对负荷数据进行处理，采用K
‑
means聚类方法对建筑侧用电设备进行特征聚类，并通过多评价指标比较确定最佳聚类中心数目；
[0011]S2、考虑设备参与需求响应的随机性建立多方多策略的混合策略博弈模型
[0012]基于步骤S1中建筑侧设备聚类结果，以不同类型负荷作为博弈虚拟参与者，以各类型负荷可以参与需求响应的时间以及相应的概率集合作为博弈模型的混合策略集，同时基于设备需求响应行为建立博弈模型效益函数；
[0013]S3、基于演化博弈复制动态方程求解演化稳定均衡策略，得到建筑侧设备响应调度时序优先级
[0014]首先，依据所建立的设备在选择不同策略下的效益函数模型计算其期望效益，再利用预期效用理论来计算各参与者的平均期望效益；其次构建博弈模型复制动态方程，复制动态方程用来描述具有有限理性的博弈参与者的行为变化趋势，当博弈参与者选择某一策略的效益值等于博弈群体平均效益时，表明选择某一策略的概率不会再发生变化，维持在稳定状态，即达到了稳定均衡状态，根据复制动态方程采用分布式迭代算法求解出演化博弈稳定均衡策略。
[0015]而且，所述步骤S1具体为：
[0016](1)数据标准化和降维处理
[0017]在完成对监测数据收集整理后，首先对异常数据筛选和剔除，其次对负荷数据进行标准化处理以消除不同用户同一设备功率之间的差异影响，采用Min
‑
Max标准化方法对某一设备日负荷数据C＝{C1,C2,
……
,C
n
}进行规范化处理，具体计算公式如下所示：
[0018][0019]其中：C'
i
＝{C'1,C'2,
……
,C'
n
}为标准化处理后的日负荷数据，满足C'1,C'2,
……
,C
′
n
∈[0,1]；
[0020]由于部分监测数据是以分钟为最小时间单位，日负荷数据维度较大，而在进行负荷聚类时只需关注负荷整体特征，因此为提高计算效率，在保证原有负荷数据的整体特征的同时需要对原有负荷数据进行降维处理；
[0021]PAA降维算法对负荷数据进行降维，通过对时间序列数据进行平均分割并采用分段后的序列均值来表示原时间序列，对于日负荷数据，首先需要根据负荷数据峰谷时段确定负荷曲线的分段数目，并对其进行平均分割，采用每一分割时段的负荷平均值来代替该段的负荷数据，以实现负荷数据的降维处理，具体计算过程如下所示：
[0022]假定在完成异常数据筛选处理及标准化后的时间序列负荷曲线数据为C'＝{C'1,C'2,
……
,C'
n
}，通过对负荷曲线峰谷时段的识别选取w个时间段作为负荷曲线分段数目，经过降维处理后得到其中为每个分割时段内的负荷均值，计算公式如
下所示：
[0023][0024](2)负荷特征指标
[0025]设备开启频率(次/天)：表示为设备在一天内的开启次数，可以从设备的日功率曲线中对该指标进行量化，具体步骤为：
[0026]首先，将设备的功率曲线进行二值化，将所有大于0的功率值视为设备开启状态，将所有等于0的功率值视为设备关闭状态，可以将功率曲线表示为一个由0和1组成的运行状态序列，其中1表示设备处于开启状态，0表示设备处于关闭状态；
[0027]其次，对这个由0和1组成的序列进行差分，得到一个新的序列，新的序列中，1表示设备从关闭状态切换到开启状态，
‑
1表示设备从开启状态切换到关闭状态，0表示设备状态没有发生改变；具体来说，对于第i个时间点的状态Si，差分序本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于博弈论的确定建筑用电设备响应调度时序优先级策略的方法，其特征在于：所述方法的步骤为：S1、基于负荷特征指标的建筑侧设备特征聚类以居住建筑和办公建筑侧典型用电设备作为研究对象，基于对用电设备的用电规律和负荷特性分析，提出设备开启频率、设备运行周期性、运行状态波动性三种负荷特征聚类指标；基于Min
‑
Max标准化方法和PAA降维算法对负荷数据进行处理，采用K
‑
means聚类方法对建筑侧用电设备进行特征聚类，并通过多评价指标比较确定最佳聚类中心数目；S2、考虑设备参与需求响应的随机性建立多方多策略的混合策略博弈模型基于步骤S1中建筑侧设备聚类结果，以不同类型负荷作为博弈虚拟参与者，以各类型负荷可以参与需求响应的时间以及相应的概率集合作为博弈模型的混合策略集，同时基于设备需求响应行为建立博弈模型效益函数；S3、基于演化博弈复制动态方程求解演化稳定均衡策略，得到建筑侧设备响应调度时序优先级首先，依据所建立的设备在选择不同策略下的效益函数模型计算其期望效益，再利用预期效用理论来计算各参与者的平均期望效益；其次构建博弈模型复制动态方程，复制动态方程用来描述具有有限理性的博弈参与者的行为变化趋势，当博弈参与者选择某一策略的效益值等于博弈群体平均效益时，表明选择某一策略的概率不会再发生变化，维持在稳定状态，即达到了稳定均衡状态，根据复制动态方程采用分布式迭代算法求解出演化博弈稳定均衡策略。2.根据权利要求1所述基于博弈论的确定建筑用电设备响应调度时序优先级策略的方法，其特征在于：所述步骤S1具体为：(1)数据标准化和降维处理在完成对监测数据收集整理后，首先对异常数据筛选和剔除，其次对负荷数据进行标准化处理以消除不同用户同一设备功率之间的差异影响，采用Min
‑
Max标准化方法对某一设备日负荷数据C＝{C1,C2,
……
,C
n
}进行规范化处理，具体计算公式如下所示：其中：C'
i
＝{C'1,C'2,
……
,C'
n
}为标准化处理后的日负荷数据，满足C'1,C'2,
……
,C
′
n
∈[0,1]；由于部分监测数据是以分钟为最小时间单位，日负荷数据维度较大，而在进行负荷聚类时只需关注负荷整体特征，因此为提高计算效率，在保证原有负荷数据的整体特征的同时需要对原有负荷数据进行降维处理；PAA降维算法对负荷数据进行降维，通过对时间序列数据进行平均分割并采用分段后的序列均值来表示原时间序列，对于日负荷数据，首先需要根据负荷数据峰谷时段确定负荷曲线的分段数目，并对其进行平均分割，采用每一分割时段的负荷平均值来代替该段的负荷数据，以实现负荷数据的降维处理，具体计算过程如下所示：假定在完成异常数据筛选处理及标准化后的时间序列负荷曲线数据为C'＝{C'1,C'2,
……
,C'
n
}，通过对负荷曲线峰谷时段的识别选取w个时间段作为负荷曲线分段数目，经
过降维处理后得到其中为每个分割时段内的负荷均值，计算公式如下所示：(2)负荷特征指标设备开启频率(次/天)：表示为设备在一天内的开启次数，可以从设备的日功率曲线中对该指标进行量化，具体步骤为：首先，将设备的功率曲线进行二值化，将所有大于0的功率值视为设备开启状态，将所有等于0的功率值视为设备关闭状态，可以将功率曲线表示为一个由0和1组成的运行状态序列，其中1表示设备处于开启状态，0表示设备处于关闭状态；其次，对这个由0和1组成的序列进行差分，得到一个新的序列，新的序列中，1表示设备从关闭状态切换到开启状态，
‑
1表示设备从开启状态切换到关闭状态，0表示设备状态没有发生改变；具体来说，对于第i个时间点的状态Si，差分序列中第i个位置的值为Si
‑
Si
‑
1；最后，对于差分序列中值为1的位置，表示设备从关闭状态切换到开启状态，因此，统计值为1的数量就可以得到设备一天的开启次数；设备运行周期性：用来量化一段时间内，设备开启运行时间的规律性，以一周时间作为周期性时段，对设备的功率曲线数据进行周期性分析：首先，对所监测的某类设备的日运行功率数据进行分析，找出所对应的典型日运行功率数据，再将一周内七天的功率数据与典型日运行功率数据进行比较，求解均方根误差用以表示设备的运行周期性，具体公式表示为：其中：CY
i
表示设备运行周期性；P
i
(t)表示设备i在一天不同时刻t的运行功率，W；表示设备i在典型日下一天不同时刻t的运行功率，W；T表示一天内T个时间段；C
i
越大则表示设备在一个周期时段内运行时间的规律性越强，反之则表示设备运行时间的规律性较弱；运行状态波动性：表示设备在开启运行时间范围内设备运行功率的波动情况，可以通过计算功率曲线的标准差来进行量化，标准差表示数据的离散程度，其值越大表示数据越分散，波动性越大，反之则波动性较小，具体而言：首先，根据设备日运行功率数据识别出设备开启运行时段，然后将逐时运行功率与设备额定功率进行比较求解标准差，计算公式表示为：其中：VOL
i
表示设备运行状态波动性；P
i
(t)为设备i一天不同开启时间内的功率值，W；为设备i不同开启时刻内的平均功率值，W；
n表示一天时间内设备开启运行的n个时间段；(3)K
‑
means聚类及最优聚类数目确定K
‑
means算法的基本流程可以表示为：第一步，初始化聚类中心，首先根据给定的数据集初始化k个不同的聚类中心，表示为{μ1,μ2,
……
,μ
k
}，其中1<k<m；第二步，数据样本聚类，分别计算聚类对象到聚类中心的欧氏距离，计算公式如下所示：其中：d(Z
i
,μ
j
)表示聚类对象到聚类中心的欧氏距离；Z
il
表示数据集中的第i个聚类对象的第l个特征属性；μ
jl
表示第j个聚类中心的第l个特征属性；根据计算得到的欧氏距离，将m个聚类对象分配到距离其最近的聚类中心的类簇中；第三步，重新计算聚类中心，对于第二步分类得到的每个类别，重新计算该类别内所有聚类对象在不同维度的特征属性的平均值，并将其作为该类别的新聚类中心，计算公式表示为：其中：μ
k
表示第k个簇的新的聚类中心；Z
i
表示第k个簇中第i个聚类对象；t表示第k个簇中聚类对象的个数；第四步，重复第二、三步直到收敛，重复执行第二、三步，直到聚类中心的变化小于某个阈值或者达到最大迭代次数为止；第五步，输出聚类结果，聚类完成后，每个样本点都被分配到了一个聚类中心，从而形成了k个聚类，输出聚类结果；采取多评价指标比较来确定最佳聚类中心...

【专利技术属性】
技术研发人员：丁研，李俊初，刘依凡，潘晓，
申请(专利权)人：天津大学，
类型：发明
国别省市：