[0001] 本发明涉及电力技术领域，具体的是一种基于粒子群算法的需求响应激励方法、系统及设备。

[0002] 需求响应是一种电力管理策略，它鼓励消费者在电力价格高或供应紧张时减少电力消耗，以平衡供求和降低电力成本。需求响应可以通过价格信号或激励来实现。在现有的电力市场中，往往忽视了需求侧的作用，无法充分发挥需求响应的价值，此外，由于缺乏有效的激励机制，用户参与需求响应的积极性不高。

[0072] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

[0073] 实施例一：

[0074] 下面，对本申请实施例涉及的相关术语进行介绍：

[0075] 粒子群优化(Particle Swarm Optimization,PSO)，又称微粒群算法，是由J.Kennedy和R.C.Eberhart等于1995年开发的一种演化计算技术，来源于对一个简化社会模型的模拟。其中“群(swarm)”来源于微粒群匹配M.M.Millonas在开发应用于人工生命(artificial life)的模型时所提出的群体智能的5个基本原则。“粒子(particle)”是一个折衷的选择，因为既需要将群体中的成员描述为没有质量、没有体积的，同时也需要描述它的速度和加速状态。

[0076] 需求响应(Demand Response，简称DR)即电力需求响应的简称，是指当电力批发市场价格升高或系统可靠性受威胁时，电力用户接收到供电方发出的诱导性减少负荷的直接补偿通知或者电力价格上升信号后，改变其固有的习惯用电模式，达到减少或者推移某时段的用电负荷而响应电力供应，从而保障电网稳定，并抑制电价上升的短期行为。它是需求侧管理(DSM)的解决方案之一。

[0077] 如图1所示，一种基于粒子群算法的需求响应激励方法，方法包括以下步骤：

[0078] 接收需求响应竞价信息，将需求响应竞价信息输入至预先建立的激励型需求响应竞价模型内参与市场出清；

[0079] 需求响应竞价信息包括：

[0080] 电力需求数据、需求响应能力评估数据、需求响应竞价提交数据以及需求响应竞价更新数据；

[0081] 具体的，下面通过实施例对本发明方案作进一步阐述：

[0082] 基于电力需求分析的结果，评估需求响应能力。包括在一定时间内能够减少的最大电力需求，以及为需求响应支付的最大价格。

[0083] 用户需求响应竞价提交：根据需求响应能力，向交易中心提交需求响应的竞价。这个竞价包括减少的电力需求量和对应的价格。

[0084] 用户需求响应竞价更新：根据电力市场的实时情况，或者需求变化，随时更新需求响应竞价；

[0085] 预先建立的激励型需求响应竞价模型的目标函数如下：

[0086]

[0087] 式中：P缺口为电量缺口， 为用户响应容量，t为需求响应持续时间，C度电为地区度电产值，c响应为响应补贴价格，其中，以f成本最小，经济效益最优为目标；其中，用户响应容量、响应补贴价格和需求响应持续时间为优化变量，电量缺口和地区度电产值为输入参数。

[0088] 预先建立的激励型需求响应竞价模型的约束包括单个响应资源的可调量约束、单用户响应能力与补偿价格的关系和响应资源盈利水平非负约束；

[0089] 其中，单个响应资源的可调量约束如下：

[0090]

[0091] 式中： 为用户最大响应容量；

[0092] 所述单用户响应能力与补偿价格的关系为线性关系，如下：

[0093]

[0094] 式中：ai、bi为响应能力与补偿价格线性关系的参数；

[0095] 所述响应资源盈利水平非负约束如下：

[0096]

[0097] 式中：ai、bi为响应能力与补偿价格线性关系的参数。若补偿价格的设置使得响应能力为负，则不响应。

[0098] 采用粒子群算法对预先建立的激励型需求响应竞价模型进行求解，输出得到交易相关数据，根据交易相关数据实施交易过程。

[0099] 采用粒子群算法对预先建立的激励型需求响应竞价模型进行求解的过程包括以下步骤：

[0100] 初始化粒子群参数，包括：粒子群规模N，粒子维度D，迭代次数k，惯性权重ω，个体学习因子c1，群体学习因子c2；

[0101] 随机初始化每个粒子的位置 初始速度

[0102] 速度、位置更新按以下公式进行：

[0103]

[0104] 式中： 为粒子i在第k次迭代中的速度和位置向量；pbesti为粒子i所经过的历史最优位置；gbest为整个种群所找到的历史最优位置；r1、r2为区间[0，1]内的随机数；

[0105] 不断循环迭代，每循环一次就更新种群中每个粒子的状态，粒子i搜索到的最优位置的适应值为fp，群体搜索到的最优位置的适应值为fg，当上一次迭代后最优解的适应值与本次迭代后最优解的适应值之差小于预设值后，停止优化，输出得到的最优解，即求解模型后的交易决策，作为交易相关数据，包括响应容量、时间和补贴价格；

[0106] 从而实现求解激励型需求响应竞价模型，得到交易相关数据。

[0107] 根据交易相关数据实施交易过程包括以下步骤：

[0108] 交易中心通知用户交易结果，交易结果包括用户交易的电量和价格；

[0109] 用户在收到交易结果后，调整自身用电；

[0110] 交易中心根据用户调整自身用电给予用户激励，其中，激励包括经济激励或优先权。

[0111] 实施例二：如图3所示，第二方面，为了达到上述目的，本发明公开了一种基于粒子群算法的需求响应激励系统，包括：

[0112] 模型输入模块，用于接收需求响应竞价信息，将需求响应竞价信息输入至预先建立的激励型需求响应竞价模型内参与市场出清；

[0113] 模型求解模块，用于采用粒子群算法对预先建立的激励型需求响应竞价模型进行求解，输出得到交易相关数据，根据交易相关数据实施交易过程。

[0114] 结合第二方面，在第二方面的某些实现方式中，该系统还包括：所述模型输入模块内需求响应竞价信息包括：

[0115] 电力需求数据、需求响应能力评估数据、需求响应竞价提交数据以及需求响应竞价更新数据；

[0116] 或者模型输入模块内预先建立的激励型需求响应竞价模型的目标函数如下：

[0117]

[0118] 式中：P缺口为电量缺口， 为用户响应容量，t为需求响应持续时间，C度电为地区度电产值，c响应为响应补贴价格，其中，以f成本最小，经济效益最优为目标；其中，用户响应容量、响应补贴价格和需求响应持续时间为优化变量，电量缺口和地区度电产值为输入参数。

[0119] 或者模型输入模块内预先建立的激励型需求响应竞价模型的约束包括单个响应资源的可调量约束、单用户响应能力与补偿价格的关系和响应资源盈利水平非负约束；

[0120] 或者模型输入模块内单个响应资源的可调量约束如下：

[0121]

[0122] 式中： 为用户最大响应容量；

[0123] 所述单用户响应能力与补偿价格的关系为线性关系，如下：

[0124]

[0125] 式中：ai、bi为响应能力与补偿价格线性关系的参数，由历史响应容量和补贴价格数据拟合得到；

[0126] 所述响应资源盈利水平非负约束如下：

[0127]

[0128] 式中：ai、bi为响应能力与补偿价格线性关系的参数。若补偿价格的设置使得响应能力为负，则不响应。

[0129] 优选地，模型求解模块内采用粒子群算法对预先建立的激励型需求响应竞价模型进行求解的过程包括以下步骤：

[0130] 初始化粒子群参数，包括：粒子群规模N，粒子维度D，迭代次数k，惯性权重ω，个体学习因子c1，群体学习因子c2；

[0131] 随机初始化每个粒子的位置 初始速度

[0132] 速度、位置更新按以下公式进行：

[0133]

[0134] 式中： 为粒子i在第k次迭代中的速度和位置向量；pbesti为粒子i所经过的历史最优位置；gbest为整个种群所找到的历史最优位置；r1、r2为区间[0，1]内的随机数；

[0135] 不断循环迭代，每循环一次就更新种群中每个粒子的状态，粒子i搜索到的最优位置的适应值为fp，群体搜索到的最优位置的适应值为fg，当上一次迭代后最优解的适应值与本次迭代后最优解的适应值之差小于预设值后，停止优化，输出得到的最优解，即求解模型后的交易决策；

[0136] 求解激励型需求响应竞价模型，得到交易相关数据；

[0137] 优选地，模型求解模块内根据交易相关数据实施交易过程包括以下步骤：

[0138] 交易中心通知用户交易结果，交易结果包括用户交易的电量和价格；

[0139] 用户在收到交易结果后，调整自身用电；

[0140] 交易中心根据用户调整自身用电给予用户激励，其中，激励包括经济激励或优先权。

[0141] 基于同一种发明构思，本发明还提供一种计算机设备，该计算机设备包括：一个或多个处理器，以及存储器，用于存储一个或多个计算机程序；程序包括程序指令，处理器用于执行存储器存储的程序指令。处理器可能是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor、DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field‑Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其是终端的计算核心以及控制核心，其用于实现一条或一条以上指令，具体用于加载并执行计算机存储介质内一条或一条以上指令从而实现上述方法。

[0142] 需要进一步进行说明的是，基于同一种发明构思，本发明还提供一种计算机存储介质，该存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述方法。该存储介质可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电、磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD‑ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

[0143] 在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本公开的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

[0144] 以上显示和描述了本公开的基本原理、主要特征和本公开的优点。本行业的技术人员应该了解，本公开不受上述实施例的限制，上述实施例和说明书中描述的只是说明本公开的原理，在不脱离本公开精神和范围的前提下，本公开还会有各种变化和改进，这些变化和改进都落入要求保护的本公开范围内容。