[0001] 本发明涉及电力需求响应领域，具体涉及一种考虑多维生活需求的居民有限理性用电需求响应决策的确定方法和系统。

[0002] 随着我国城镇化进程的不断推进，城乡居民用电量逐年激增，全国多个省市地区夏季尖峰负荷连年创下新高，引发了一系列电力供需不平衡问题，亟需加强需求侧与电网之间的互动以缓解电网建设压力。其中，城区居民在需求侧用户中占比最高，具有巨大的需求响应潜力。随着智能电网技术的逐步发展，电力系统的信息化技术与相关智能家电得到普及，为居民参与需求响应提供了技术支撑。然而，由于居民用电行为的复杂性，目前并没有较为有效的需求响应机制对其用电行为进行引导。在此背景下，如何有效地刻画城区居民的真实用电决策行为，进而探寻需求响应机制下居民响应行为的影响机理，是面向居民用户的需求响应项目制定和执行中需要面对的重要问题。

[0003] 目前，大多数居民用电响应优化方法均基于完全理性“经济人”假设，追求用电成本最小化或综合效用最大化；也有部分优化方法考虑了用电成本评估过程中居民的有限理性心理，应用相关行为经济学理论刻画居民对用电成本得失的感知。而这些优化方法还未涉及对于用户其他生活需求和社会需求等方面主观感受影响用电行为的行为经济学理论表征，无法对居民真实用电决策行为进行有效刻画。因此，建立考虑多维生活需求的居民有限理性用电需求响应决策，对用电成本和舒适度进行综合评估，实现对居民用户在需求响应机制下真实用电行为的刻画，并在此基础上制定用电优化策略，促进对用户可调潜力的挖掘。

[0081] 下面结合附图和具体实施例，进一步阐明本发明的技术方案。

[0082] 如图1所示，本发明所述考虑多维生活需求的居民有限理性用电需求响应决策的确定方法，包括以下步骤：

[0083] (1)针对卫生需求、温度需求、食物需求和出行需求对用电设备进行分类，基于用电需求调节特性和设备物理特性构建负荷功率模型，具体内容如下：

[0084] 首先针对居民卫生需求、温度需求、食物需求和出行需求进行归纳并罗列相关联的主要家用电器，如表1所示。并根据用户用电习惯及家用电器运行特性的不同，从运行调度的角度将这些家居负荷分为5类：基本负荷、可转移不可中断负荷、可转移可中断负荷、温控负荷以及储能负荷。然后，根据上述五类负荷的不同运行特性建立相应的物理模型。

[0085] 考虑对未来一天可调家用电器的运行状态进行优化，将一天平均划分为T个时段，每个时段的时长为Δt。由于在需求响应时段内，一般以15min为一个调度间隔，因此取Δt＝15min，则T＝96。

[0086] 表1各生活需求对应的家用电器

[0087]

[0088] 吸尘器、洗衣机、电饭煲、电磁炉属于可转移不可中断负荷，负荷功率模型为[0089]

[0090] 式中，Lj,TL表示可转移不可中断负荷j在运行过程中的电能消耗；Pj,TL表示负荷j的运行功率；Sj,TL(t)表示t时刻负荷j的运行状态； 和 分别表示负荷j的起始运行时刻和终止运行时刻，τj,TL表示设定的运行时长； 和 分别表示用户能接受的最早启动时间和最晚停止时间。

[0091] 热水器属于可转移可中断负荷，负荷功率模型为

[0092]

[0093] 式中，Lj,IL表示可转移可中断负荷j在运行过程中的电能消耗；Pj,IL表示负荷j的运行功率；Sj,IL(t)表示t时刻负荷j的运行状态；τj,IL表示完成任务需要的运行时长； 和分别表示用户能接受的最早启动时间和最晚停止时间；θj,IL为可中断负荷j每次启动必须维持的工作时长。

[0094] 空调属于温控负荷，负荷功率模型如下式所示：

[0095]

[0096] 式中，Pb(t)表示t时刻温控负荷的运行功率； 表示运行功率上限；Tin(t)、Tout(t)分别表示t时刻的负荷内部温度和外部温度；ε表示负荷内部温度改变的惯性系数；η表示热传导效率；A表示导热系数；Tset(t)表示t时刻的设定温度；ΔT表示允许的最大温度偏移量；+、‑分别表示温控制热和制冷模式。

[0097] 电动汽车属于储能负荷，负荷功率模型为

[0098]

[0099] 式中，SOC(t)为t时刻储能负荷的荷电状态；Pc(t)为t时刻储能负荷的充电功率；ηcub lb为充电效率；E为储能负荷电池的额定容量； 为储能负荷的最大充电功率；SOC 、SOC分别为储能负荷的最大荷电状态和最小荷电状态。

[0100] (2)根据“心理账户”的非替代性，针对卫生需求、温度需求、食物需求以及出行需求建立相应的心理账户，并构建各心理账户下的用电成本和舒适度评估模型，具体内容如下：

[0101] 首先根据心理账户理论，由于不同家用电器的用电成本以及需求满意度均存在非替代性，因此需要针对各类家电分别建立对应的心理账户，包括食物需求(电磁炉、电饭锅等)、温度需求(空调等)、卫生需求(热水器、洗衣机等)、出行需求(电动汽车)等心理账户。

[0102] 其次，构建各心理账户的用电成本评估模型，各心理账户的用电成本C为[0103]

[0104] 式中， 表示设备j的启动时间； 表示设备j的停止时间；Pj(t)表示设备j在t时刻的运行功率；Sj(t)表示设备j在t时刻的运行状态；c(t)表示t时刻的分时电价。

[0105] 然后，根据居民用户对不同家电使用舒适度的感知方式差异，构建各心理账户的舒适度评估模型；

[0106] 吸尘器、洗衣机、电饭煲、电磁炉和吸油烟机偏离用户习惯运行时间时舒适度将会下降，因此采用时间偏移比率来表示舒适度Ucom为

[0107]

[0108] 式中， 表示家电a的习惯启动时间； 和 分别表示用户能接受家电a的最早启动时间和最晚启动时间。

[0109] 热水器启动时间或温度设定的变化可能影响用户洗澡计划，降低用电舒适度，因此采用时间延迟比率来表示热水器Ucom为

[0110]

[0111] 式中，twh表示的热水器完成运行任务的时刻； 表示用户对热水器完成运行任务的期望时刻； 表示用户能够接受热水器完成运行任务的最晚时刻。

[0112] 居民用户通常会有一个习惯的温度设定值，其对于室内温度偏离设定值的情况会产生厌恶，因此采用室内温度偏移比率来表示舒适度Ucom为

[0113]

[0114] 式中，T(t)表示t时刻的实际温度；Thabit表示用户感知的最适宜温度；Tmax和Tmin分别表示用户能够接受的最高温度和最低温度。

[0115] 考虑用户的里程焦虑心理，出行时电动汽车的荷电状态会影响用户出行满意度，因此采用荷电状态偏移比率来表示舒适度Ucom为

[0116]

[0117] 式中，SOC表示储能负荷的实际荷电状态；SOCexp表示用户对于储能负荷的期望荷max min电状态；SOC 和SOC 分别为储能负荷电池最大荷电状态和最小荷电状态。

[0118] (3)考虑设备使用时间、室外温度以及行驶里程的随机性建立典型用电场景，采用前景理论对步骤(2)中的各心理账户下的用电成本和舒适度评估模型进行修正，进而构建不同心理账户的综合用电前景函数，具体内容如下：

[0119] 首先，根据家电使用时间、室外温度以及行驶里程的随机性，经过统计分析得到相应的典型用电场景；

[0120] 家电使用时间随机性建模为

[0121] 假设通过统计分析得到某居民用户有N类典型用电习惯，其中各习惯下家用电器j的启动时间 对应的概率为 产生的用电成本为

[0122] 室外温度随机性建模为

[0123] 假设空调运行时段为 以Δt为时间间隔进行划分，典型室外温度集合对应的概率为

[0124] 日出行里程随机性建模为

[0125] 假设某居民用户有N类典型出行计划对应日行里程数(d1,…,dn,…,dN)，进而推测次日 出 行时 的 期望 荷电 状 态 对 应 的概 率 为

[0126] 其次，根据典型用电场景构建用电舒适度价值函数。由于居民用户对于各心理账户的核算频率不同，得到需求满意度评估价值函数为

[0127]

[0128] 式中，K表示一天中用户对于心理账户i的核算次数； 表示在用电场景n下第次k核算时心理账户i的舒适度效用；αi表示用户对心理账户i进行舒适度评估的风险偏好系数；

[0129] 根据各用电场景发生概率，构建舒适度权重函数为

[0130]

[0131] 式中， 表示用户对心理账户i进行舒适度评估时用电场景n发生的概率；γi表示用户对心理账户i进行舒适度评估时的风险态度系数；

[0132] 进一步，根据各类家用电器的历史用电成本，构建不同心理账户的用电费用价值函数为

[0133]

[0134] 式中，Ci表示用户参与需求响应后心理账户i对应家用电器的用电成本；αcost表示用电费用的风险规避系数；λcost和βcost分别表示用电费用的损失厌恶系数和风险偏好系数；

[0135] 对心理账户i，将舒适度评估价值函数所得结果由小到大重新排序，用集合表示为{1,…,m,…M}，结合舒适度权重函数以及用电费用价值函数，得到心理账户i的综合用电前景函数Vi为

[0136]

[0137] 式中，费用评估的累积权重函数πcost(1)＝1； 为用户对心理账户i进行舒适度评估时用电场景m发生的概率； 为用户对心理账户i进行舒适度评估时用电场景m的舒适度价值函数；舒适度的累积权重函数

[0138] (4)考虑居民用户对各家电运行状态调整手段以及用电费用与舒适度评估方式的差异，以步骤(1)中的负荷功率模型为约束，步骤(3)中的综合用电前景函数最大化为目标，建立用户有限理性需求响应决策模型，具体内容如下：

[0139] 以步骤(1)的负荷功率模型为约束和社会责任需求为约束，采用用户参与电网削峰填谷的贡献度表示社会责任需求，用户的贡献度指标H(Pall(t))为

[0140]

[0141] 式中，Pall(t)表示用户t时段使用设备的总功率； 表示用户一天内的平均功率；Psys(t)表示系统t时段负荷的总功率； 为系统一天内的平均功率；H0(·)和H(·)分别表示用户响应前后的贡献度；xa＝1表示用户存在社会责任需求；

[0142] 以步骤(3)中各心理账户综合用电前景函数最大为目标，目标函数为[0143]

[0144] 式中， 和 分别为心理账户i的用电费用权重和舒适度权重，且

[0145] (5)采用遗传算法对步骤(4)中的用户有限理性需求响应决策模型进行求解，获取用户在市场信号变化下的有限理性用电需求响应决策行为，具体内容如下:

[0146] 在完全理性假设下，构建用户完全理性需求响应决策模型。

[0147] 以效用最大化为目标进行用电决策，目标函数为

[0148] maxV＝max(‑ωcCall+ωuUall) (16)

[0149] 式中，V为总效用函数；Call为一天内所有家电的用电费用总和；Uall为一天内所有家电的归一化舒适度总和；ωc和ωu分别为两者的权重，ωc+ωu＝1；

[0150] 所述用户完全理性需求响应决策模型与步骤(4)所述用户有限理性需求响应决策模型的约束条件相同。对所构建的模型采用遗传算法进行求解，获取用户在市场信号变化下的有限理性以及完全理性用电需求响应决策行为，对比验证用户有限理性响应决策模型的合理性。

[0151] 本发明所述考虑多维生活需求的居民有限理性用电需求响应决策的确定系统，包括

[0152] 模型构建模块，用于构建负荷功率模型、各心理账户下的用电成本和舒适度评估模型、有限理性需求响应决策模型；

[0153] 决策求解模块，用于根据累积前景理论对各心理账户下的用电成本和舒适度评估模型进行修正，得到不同心理账户的综合用电前景函数；考虑居民用户对各家电运行状态调整手段以及用电费用与舒适度评估方式，以负荷功率模型为约束，综合用电前景函数最大化为目标，建立用户有限理性需求响应决策模型；采用遗传算法对用户有限理性需求响应决策模型进行求解，获取用户在市场信号变化下最优的有限理性用电需求响应决策行为。

[0154] 为验证本发明所提考虑多维生活需求的居民有限理性用电需求响应决策，将分时电价下居民用户的有限理性和完全理性假设的各类家用电器的优化运行结果进行对比分析。分时电价如表2所示：

[0155] 表2分时电价信息

[0156]

[0157] 家用电器参数如表3所示：

[0158] 表3家用电器参数

[0159]

[0160] 以江苏某地区单一居民用户夏季一天的用电情况为例，家用电器刚性负荷功率如图2所示，家用电器的使用习惯如图3所示。采用遗传算法求解居民用户有限理性响应决策模型，得到居民用户有限理性响应前后各类可调度电器的运行方式，如图4所示。

[0161] 本发明求解居民用户响应决策模型，响应前后总负荷对比如图5所示，响应前后负荷特性与用电成本如下表所示：

[0162] 表4响应前后负荷特性与用电成本

[0163]

[0164] 由图5及表中数据可知，在分时电价下居民用户有限理性和完全理性的用电响应决策均显著降低了用户的用电成本。由于用户的有限理性在本质上决定了用户只能在一定的有限理性程度上实现有限最优化，其已经逐渐逼近完全理性的最优决策结果。

[0165] 本发明所述考虑多维生活需求的居民有限理性用电响应决策的趋稳定方法和系统能够有效地刻画居民用户日常生产生活中真实用电行为，证明了本发明所提方法和系统在描述需求响应机制下居民真实响应行为的有效性和可行性。