申请/专利权人：合肥工业大学

申请日：2020-11-16

公开（公告）日：2021-02-19

公开（公告）号：CN112381577A

主分类号：G06Q30/02(20120101)

分类号：G06Q30/02(20120101);G06Q10/06(20120101);G06F30/20(20200101);G06Q50/06(20120101);F24F11/62(20180101);G06F111/04(20200101);G06F113/04(20200101);G06F119/02(20200101)

优先权：

专利状态码：有效-授权

法律状态：2022.09.13#授权;2021.03.09#实质审查的生效;2021.02.19#公开

摘要：本发明公开了一种基于Stackelberg博弈的空调需求响应程度估计方法，其步骤包括：1.采用蒙特卡洛抽样方法对用户群体的空调初始设定温度抽样，并计算当前样本下空调的功耗；2.建立Stackelberg博弈模型，求解模型得到用户群体优化后的空调设定温度样本；3.根据优化后所得设定温度样本计算空调的运行功率，并计算响应量，得到用户群体的响应程度样本；4.由响应程度样本计算响应程度点估计和区间估计。本发明考虑空调用户需求响应过程中不确定性因素对用户响应的影响，对响应过程中用户与聚合商之间的互动过程进行模拟，计算用户参与响应的响应程度，为更科学评价用户参与需求响应的可靠性提供了参考。

主权项：1.一种基于Stackelberg博弈的用户空调需求响应程度估计方法，其特征是按照如下步骤进行：步骤1.获取原始数据，包括：聚合商侧：聚合的用户总数M；第i个空调用户侧：第i个空调用户的初始设定温度θs,i的概率密度函数i＝1,2,3,...,M，其中，为第i个空调用户的概率密度函数的参数集合；步骤2.用N表示蒙特卡洛随机模拟的总次数，且N为正整数；用n表示当前随机模拟次数，且初始化n＝1；步骤3.从i＝1,2,3...M开始，依次根据初始设定温度θs,i的概率密度函数利用连续随机变量的抽样方法生成随机数作为第n次随机模拟的第i个初始设定温度从而得到第n次随机模拟的M个初始设定温度；步骤4.从i＝1,2,3...M开始，依次计算第n次随机模拟的第i个初始设定温度下空调的功耗步骤4.1.按式1和式2分别计算第n次随机模拟下的一个周期内第i台空调的开启时间和关闭时间 式1和式2中：θout为外界环境温度；σi为第i个空调回滞控制的死区温度；Pi为第i个空调额定功率；ηi为第i个空调能效比；τi为第i个空调的时间常数；Ai为第i个空调的导热系数；步骤4.2.按式3计算第n次模拟下第i个空调启停占空比后，由式4计算第i个空调功耗 步骤5.建立Stackelberg博弈模型：步骤5.1.利用式5建立以上层聚合商的收益Ua最大为目标函数，并利用式6建立补偿电价的不等式约束，从而建立上层聚合商收益模型： 式5中，ρs为响应时刻的电价；为第n次随机模拟的补偿电价；T为响应时长；ρa为聚合商未完成指标时的惩罚价格；ρd为空调用户不履行合同时的违约价格；QA,i为聚合商给第i个空调用户的削减指标；为第i个空调用户在第n次模拟下合同履行情况，若为1时，表示合同正常履行，若为0时，表示用户违约，不履行合同；ρu为空调用户未完成聚合商给定指标时的惩罚价格；QG为电网给聚合商的削减指标；为第n次随机模拟的第i个空调用户的空调负荷削减功率；并有： 式7中：为第n次模拟下第i个空调用户选择设定温度为时的空调功耗，可类似于响应前时刻空调功耗计算方法按式1-式4进行计算；步骤5.2.利用式8建立以第i个空调用户的收益Ui最大为目标函数，并利用式9建立设定温度约束和用户合同履行状态约束，从而建立下层第i个空调用户的收益模型： 式8和式9中：为第n次随机模拟下第i个空调用户与聚合商进行博弈后的设定温度；θcom,i为第i个空调用户的最适温度；θmax,i和θmin,i分别为第i个空调用户与设定温度的上限值和下限值；ki为第i个空调用户的舒适成本转化系数；步骤6.采用上下层博弈模型相互迭代的方法求解第n次随机模拟时的均衡解，上层博弈方为聚合商，下层博弈方为空调用户群体，且上层博弈方的聚合商占据主导地位；步骤6.1.给定初始补偿电价ρc,0；步骤6.2.从i＝1,2,3...M开始，下层博弈方用户群体根据补偿电价ρc,0，利用各自的收益模型得到各自利益最大化时的最优设定温度和最优合同履行状态步骤6.3.上层博弈方聚合商根据所有空调用户最优设定温度的集合和最优合同状态的集合Sn*，对所述上层聚合商收益模型进行求解，得到第n次模拟下的补偿电价使自身利益最大化；步骤6.4.判断是否成立，若成立，则执行步骤7；否则，将赋值给ρc,0后转至步骤6.2；其中，ε为迭代收敛条件；步骤7.由步骤6得到的均衡条件下所有空调用户最优设定温度的集合和最优合同状态的集合Sn*，利用式7计算得到第n次随机模拟下的第i个空调用户的最优响应削减功率再由式10计算第n次随机模拟下的第i个空调用户的响应程度由式11计算第n次随机模拟下的用户总体响应程度RDn，由式12计算第n次随机模拟下的用户参与率PRn； 步骤8.判断n＜N是否成立，若成立，将n+1赋值给n后，转至步骤3；否则，转至步骤9；步骤9.根据N次随机模拟所得的响应程度样本，按式13和式14分别计算第i个空调用户的响应程度点估计ERDi和用户群体的响应程度点估计ERD： 步骤10.计算响应程度的区间估计，即计算响应程度估计值在置信度为1-α时的置信区间：按式15对响应程度概率密度函数fRD进行核密度估计： 式15中：k·为高斯核函数；h为带宽系数；利用式16建立以置信区间长度CI最小为目标函数，并利用式17建立置信区间上下限约束，从而建立置信区间求解模型，得到置信区间CIl,CIu：minCI＝CIu-CIl16 式16中：CIu、CIl分别为置信区间的上限和下限；以所述响应程度期望值ERD和响应程度置信区间CIl,CIu作为用户空调需求响应程度的点估计和区间估计结果。

全文数据：

权利要求：

百度查询： 合肥工业大学 基于Stackelberg博弈的空调需求响应程度估计方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD