一种多时间尺度协调的有序用电集中决策方法

摘要

本发明是一种多时间尺度协调的有序用电集中决策方法。本发明首先采集各用户日负荷曲线数据，通过聚类提取各用户典型负荷形态。其次获取各用户的参与方式、具体参数与用电价值评估结果。然后构造决策模型的目标函数与约束条件，计算控制成本系数。最后在Matlab环境下调用Gurobi求解决策模型，调整罚系数直到取得满意的优化结果。本发明能同时适应电源性缺电和电网性缺电两种情形下的有序用电决策安排。当出现电网性缺电，如线路因阻塞将对该线路下的用户进行有序用电时，模型中的最大电力供应以相应线路潮流上限替代即可，本发明能实现多时间尺度协调优化，并同时考虑用户用电价值，是一种方便实用的多时间尺度协调的有序用电集中决策方法。

说明书

技术领域

本发明是一种多时间尺度协调的有序用电集中决策方法，属于多时间 尺度协调的有序用电集中决策方法的改造技术。

背景技术

目前我国的电力市场机制尚未发展完善，采用峰谷电价等需求响应方式虽 然可以一定程度上削峰填谷缓解高峰用电紧张，但用户对价格的分散决策和自 主响应往往不确定性较大，无法确保对电力缺口的完全消纳，因此在电力调度 机构统一调度框架下进行有序用电集中决策更具现实意义。当前制定有序用电 方案的基本思路是按线路和所属变电站，根据用户最大错避峰量分组，保证各 组最大错避峰量总和大致相同，此后即按实际缺电等级安排轮休。这一做法操 作起来较为方便，可有效降低系统峰荷，但其一刀切的轮休错峰方式较为单一， 错避峰量也常常偏大，忽视了用户的日负荷曲线特征与各自适宜的错避峰参与 方式，不利于用户满意度的提高。有序用电实质上即采用错避峰手段实现各用 电负荷在时间上的重新分布，因此有序用电决策应以用户典型负荷形态为其基 础。如何充分利用用户典型负荷形态特征制定错避峰方案是有序用电集中决策 的关键，此外，为进一步优化电力资源配置，同等条件下应优先安排用电价值 评估较差用户。相关的研究方法已经有一些，但这些方法或者仅仅考虑日时间 尺度上的错避峰手段，并未明确计及周时间尺度上的轮休错峰手段，或者所考 虑的日时间尺度手段比较单一，或者移峰方式的设置偏于理想，难于应用实际， 再或者尚未明确计及用户用电价值对最优计划的影响。可见在现有研究与应用 中还没有很好的方法能实现多时间尺度协调优化，并同时考虑用户用电价值的 影响。基于这一研究现状，南方电网科学研究院智能电网研究所研究发现，通 过对周时间尺度与日时间尺度上多种错避峰手段的合理建模，能够实现有序用 电决策方案的多时间尺度协调优化，不同负荷管理手段的调用以尽可能减少对 用户正常生活与工作模式的影响为主要目标，兼顾用户用电价值，最终在消纳 供需缺口的同时，提高负荷率，增强高峰时段电网运行安全裕度。

本发明的目的在于考虑上述问题而提供一种能同时适应电源性缺电和 电网性缺电两种情形下的有序用电决策安排的多时间尺度协调的有序用电 集中决策方法。当出现电网性缺电，如线路因阻塞将对该线路下的用户进 行有序用电时，模型中的最大电力供应以相应线路潮流上限替代即可，本 发明能实现多时间尺度协调优化，并同时考虑用户用电价值。

本发明的技术方案是：本发明的多时间尺度协调的有序用电集中决策 方法，当出现电源性缺电或电网性缺电情况时，执行以下步骤：

步骤(1)：采集各用户30个一般工作日的N_T点日负荷曲线数据,N_T通 常取24或96，通过聚类分析提取各用户工作日典型负荷形态，用户i工作 日各时段负荷为各用户周休日典型负荷则取工作日最大负荷10%左 右的保安负荷，其负荷曲线大致平坦、略有波动，用户i周休日各时段负荷 为系统预测负荷曲线为所有用户典型负荷曲线的累加，根据系统预 测负荷曲线可确定高峰时段，通常在9～11点和15～17点;

步骤(2)：获取各用户的参与方式及具体参数，具体有，能否参与时段 错峰，以及时段错峰的最大小时数h_max；能否参与移峰填谷，移峰填谷分档 数S_max，以及各档移峰填谷各时段修正量，用户i的β档移峰填谷各时段修 正量为移峰为正，填谷为负；能否参与避峰，避峰各时段的单级 修正量，以及避峰最大级数C_max，用户i避峰各时段的单级修正量为

步骤(3)：通过合理评估用户用电方式及用电效率，由第三方给出各用 户的用电价值评估值，用户i的用电价值为λ_i;

步骤(4)：构造决策模型的目标函数，对有序用电方案进行多目标优化， 目标函数中具体包括三项，分别是错避峰总控制成本、高峰时段备用电力 均衡化惩罚项与峰荷峰谷差加权和最小化惩罚项，算式如下：

$\mathrm{Min}\underset{i=1}{\overset{N_u}{\Sigma }}{\lambda }_i(\underset{\alpha =1}{\overset{2}{\Sigma }}{\psi }_i^{\mathrm{\alpha d}}+\underset{k=1}{\overset{7}{\Sigma }}({\psi }_{i,k}^{\mathrm{trans}}+{\psi }_{\mathrm{ik}}^{\mathrm{shift}}+{\psi }_{i,k}^{\mathrm{clip}}))+\underset{k=1}{\overset{7}{\Sigma }}({\psi }_k^{\mathrm{res}}+{\psi }_k^{\mathrm{slr}})$

式中，下标i表示用户编号，k表示第k天，i、k含义此后不变；N_u为用户 数；λ_i为用户i用电价值；依次为轮休错峰α天、时 段错峰、移峰填谷、避峰的控制成本；为高峰时段备用电力均衡化惩罚 项；为峰荷峰谷差加权和最小化惩罚项，各项具体算式为：

${\psi }_i^{1d}=u_{i,6}^{\mathrm{rotate}}(1-u_{i,7}^{\mathrm{rotate}}){\xi }^{1d}+u_{i,7}^{\mathrm{rotate}}(1-u_{i,6}^{\mathrm{rotate}}){\xi }^{1d}$

${\psi }_i^{2d}=u_{i,6}^{\mathrm{rotate}}{u}_{i,7}^{\mathrm{rotate}}{\xi }^{2d}$

式中，为0-1变量，取1表示工作；ξ^αd为轮休错峰α天的控制成本系 数，

${\psi }_{i,k}^{\mathrm{trans}}=\underset{h=-h_{\max }}{\overset{h_{\max }}{\Sigma }}\left(u_{i,k,h}^{\mathrm{trans}}\right|h\left|\right){\xi }^{\mathrm{trans}}$

式中，h_max为时段错峰最大小时数；为0-1变量，取1表示时段错峰h小 时，h为正表示上班时间提前；ξ^trans为时段错峰控制成本系数，

${\psi }_{i,k}^{\mathrm{shift}}=\underset{\beta =1}{\overset{S_{\max }}{\Sigma }}\left(u_{i,k,\beta }^{\mathrm{shift}}\frac{\underset{t=1}{\overset{N_T}{\Sigma }}\left|\Delta P_{i,\beta }^{\mathrm{shift}}\left(t\right)\right|}{2}{\xi }_{\beta }^{\mathrm{shift}}\right)$

式中，S_max为移峰填谷分档数；为0-1变量，取1表示参与β档移峰填 谷；N_T为时段数；为β档移峰填谷各时段修正量；为移峰填谷β 档控制成本系数，

${\psi }_{i,k}^{\mathrm{clip}}={\xi }^{\mathrm{clip}}{C}_{i,k}\underset{t=1}{\overset{N_T}{\Sigma }}{\mathrm{\Delta P}}_i^{\mathrm{clip}}\left(t\right)$

式中，ξ^clip为避峰控制成本系数；C_i,k为避峰级数；为避峰各时段的 单级修正量，

${\psi }_k^{\mathrm{res}}={\xi }^{\mathrm{res}}(\frac{\underset{t\in T_{\mathrm{peak}}}{\Sigma }{\left(P_{k,t}^{\mathrm{res}}\right)}^2}{N_P}-{\bar{P}}_{k,r}^0\left(\frac{P_{k,r}^{\mathrm{sum}}}{N_P}\right))$

式中，T_peak指高峰时段，N_P为其时段总数；为各时段备用电力；为 高峰时段备用电力总和；ξ^res为罚系数；为罚系数ξ^res置零时决策结果中 的高峰时段平均备用电力，

${\psi }_k^{\mathrm{slr}}={\xi }^{\mathrm{slr}}({\mu }_1(P_{G,k}^{\max }-P_{k,r}^{\min })+{\mu }_2(P_{k,r}^{\max }-P_{k,r}^{\min }))$

式中，为日最大电力供应预测值，或电网性缺电时相关线路潮流限值； 和分别为系统全天备用电力的最大值和最小值；μ₁和μ₂分别为峰荷 项和峰谷差项的分配系数，满足μ₁+μ₂=1；ξ^slr为罚系数;

步骤(5)：构造决策模型的约束条件;

步骤(6)：计算确定控制成本系数,本发明方法和系统中控制成本系数 的取值应体现4种手段的基本调用顺序，即，当优先级较低的控制手段A 的调用发生时，对控制手段A所可能付出的最小成本应不低于高一优先级 的控制手段B用尽时对控制手段B所付出的总成本，因此，各控制成本系 数的取值应满足如下不等式组：

${\xi }_1^{\mathrm{shift}}\underset{i\in {\Phi }_{\mathrm{shift}}^1}{\min }\left(\frac{\underset{t=1}{\overset{N_T}{\Sigma }}\left|{\mathrm{\Delta P}}_{i,1}^{\mathrm{shift}}\left(t\right)\right|}{2}\right)\ge {\xi }^{\mathrm{trans}}{h}_{\max }{N}_u^{\mathrm{trans}}$

${\xi }_{\beta }^{\mathrm{shift}}\underset{i\in {\Phi }_{\mathrm{shift}}^{\beta }}{\min }\left(\frac{\underset{t=1}{\overset{N_T}{\Sigma }}\left|{\mathrm{\Delta P}}_{i,\beta }^{\mathrm{shift}}\left(t\right)\right|}{2}\right)\ge \underset{i\in {\Phi }_{\mathrm{shift}}^{\beta -1}}{\Sigma }{\xi }_{\beta -1}^{\mathrm{shift}}\left(\frac{\underset{t=1}{\overset{N_T}{\Sigma }}\left|{\mathrm{\Delta P}}_{i,\beta -1}^{\mathrm{shift}}\left(t\right)\right|}{2}\right)$

${\xi }^{1d}\ge \underset{i\in {\Phi }_{\mathrm{shift}}^{s_{\max }}}{\Sigma }{\xi }_{s_{\max }}^{\mathrm{shift}}\left(\frac{\underset{t=1}{\overset{N_T}{\Sigma }}\left|{\mathrm{\Delta P}}_{i,s_{\max }}^{\mathrm{shift}}\left(t\right)\right|}{2}\right)$

ξ^2d≥ξ^1dN_u

${\xi }^{\mathrm{chip}}\underset{i\in {\Phi }_{\mathrm{clip}}}{\Sigma }\left(\underset{t=1}{\overset{N_T}{\Sigma }}{\mathrm{\Delta P}}_i^{\mathrm{clip}}\left(t\right)\right)\ge {\xi }^{2d}{N}_u$

步骤(7)：决策模型的求解手段，所建立的有序用电集中决策优化模型 为复杂的非线性多目标整数规划问题，模型中，决策变量包括C_i,k，辅助变量包括其余参数均为已知 量，因此，在Matlab环境下调用大规模数学规划优化器Gurobi对模型进 行求解,

步骤(8)：求解罚系数ξ^slr与ξ^res均置零时的有序用电方案，记录该方案 下高峰时段平均备用电力观察高峰时段备用电力的分布情况，计算日 负荷率均值,

步骤(9)：如果步骤(8)所得方案在高峰时段备用电力分布的均衡程度 或日负荷率均值上不能令人满意，则考虑添加罚系数ξ^slr与ξ^res做进一步的优 化，经研究发现，两个惩罚项中，峰荷峰谷差加权和最小化惩罚项具有更 为优良的性质，能更有效地改善系统负荷率，同时优化高峰时段，此时， 峰荷项分配系数μ₁和峰谷差项分配系数μ₂的取值应最大程度上保证对系统 负荷率的优化，考虑让罚系数ξ^slr按一定步长从0取到充分大，选择在此过 程中能使负荷率取到最优的分配系数，当分配系数μ₁和μ₂确定之后，从0 开始逐步加大罚系数ξ^slr,在可接受的总错避峰控制成本下，观察系统日负荷 率均值与高峰时段备用电力分布的变化，直到取得满意的优化结果,

步骤(10)：如果步骤(9)罚系数ξ^slr的取值已经很大（将伴随高昂的总 错避峰控制成本），而所得方案的高峰时段备用电力分布情况仍不能满足系 统稳定性和安全性的要求，则应考虑添加高峰时段备用电力均衡化惩罚项， 罚系数ξ^slr在步骤(9)最终取值的基础上适当降低，并从0开始逐步加大ξ^res， 在可接受的总错避峰控制成本下，观察系统日负荷率均值与高峰时段备用 电力分布的变化，直到取得满意的优化结果。

本发明提供一种能同时适应电源性缺电和电网性缺电两种情形下的有 序用电决策安排的多时间尺度协调的有序用电集中决策方法。当出现电网 性缺电，如线路因阻塞将对该线路下的用户进行有序用电时，模型中的最 大电力供应以相应线路潮流上限替代即可。本发明能实现多时间尺度协调 优化，并同时考虑用户用电价值，是一种方便实用的多时间尺度协调的有 序用电集中决策方法。

具体实施方式

实施例：

有序用电常规负荷管理手段一般包括周调用的轮休错峰手段与日调用的 时段错峰、移峰填谷与避峰手段，本发明方法和系统对这四种负荷管理手段协 调调用的原则为：1)尽可能减少用户电量损失；2)优先调用对用户正常生活与 工作模式影响较小的手段；3)优先调用有利于均衡化高峰用电负荷的手段，以 减少高峰时段备用需求；4)优先调用有利于提高负荷率的手段；5)优先调用用 电价值评估较差用户，以实现有限电力资源的优化配置。从对用户用电习惯的 影响角度来看，由于避峰手段损失电量无法弥补，因此其调用优先级最低，其 余三种手段，影响最小的是时段错峰，次之移峰填谷，最大是轮休错峰。因此， 本发明方法和系统认为四种负荷管理手段的基本调用顺序为：时段错峰、移峰 填谷、轮休错峰、避峰。

本发明的方法考虑如下假设：1)每周末对下周有序用电方案进行决策；2) 未来一周系统日最大电力供应预测值已知，或电网性缺电时相关线路潮流限值 已知；3)所有用户均含周休，且用户典型日负荷曲线仅分工作日与周休日两种； 4)采用分档移峰填谷，各档移峰时间与填谷时间确定，可转移负荷因其对应生 产工序固定，故各时段转移负荷量确定，填谷负荷为移峰负荷的平移，档级越 高，用户操作成本越大，调用优先级越低；5)采用分级避峰，可避峰时间与每 级避峰量确定不变。

本发明的方法包括以下步骤：

步骤(1)：采集各用户30个一般工作日的N_T点日负荷曲线数据（N_T通常取 24或96），通过聚类分析提取各用户工作日典型负荷形态，用户i工作日各时段 负荷为各用户周休日典型负荷则取工作日最大负荷10%左右的保安负荷， 其负荷曲线大致平坦、略有波动，用户i周休日各时段负荷为系统预测负 荷曲线为所有用户典型负荷曲线的累加，根据系统预测负荷曲线可确定高峰时 段，通常在9～11点和15～17点。

步骤(2)：获取各用户的参与方式及具体参数。具体有，能否参与时段错峰， 以及时段错峰的最大小时数h_max；能否参与移峰填谷，移峰填谷分档数S_max，以 及各档移峰填谷各时段修正量，用户i的β档移峰填谷各时段修正量为移峰为正，填谷为负；能否参与避峰，避峰各时段的单级修正量，以及避峰最大 级数C_max，用户i避峰各时段的单级修正量为

步骤(3)：通过合理评估用户用电方式及用电效率，由第三方给出各用户的 用电价值评估值，用户i的用电价值为λ_i。

步骤(4)：构造决策模型的目标函数。本发明方法和系统对有序用电方案进 行多目标优化，目标函数中具体包括三项，分别是错避峰总控制成本、高峰时段 备用电力均衡化惩罚项与峰荷峰谷差加权和最小化惩罚项，算式如下：

$\mathrm{Min}\underset{i=1}{\overset{N_u}{\Sigma }}{\lambda }_i(\underset{\alpha =1}{\overset{2}{\Sigma }}{\psi }_i^{\mathrm{\alpha d}}+\underset{k=1}{\overset{7}{\Sigma }}({\psi }_{i,k}^{\mathrm{trans}}+{\psi }_{\mathrm{ik}}^{\mathrm{shift}}+{\psi }_{i,k}^{\mathrm{clip}}))+\underset{k=1}{\overset{7}{\Sigma }}({\psi }_k^{\mathrm{res}}+{\psi }_k^{\mathrm{slr}})$

式中，下标i表示用户编号，k表示第k天，i、k含义此后不变；N_u为用户数；λ_i为用户i用电价值；依次为轮休错峰α天、时段错峰、移 峰填谷、避峰的控制成本；为高峰时段备用电力均衡化惩罚项；为峰荷峰 谷差加权和最小化惩罚项。各项具体算式为：

${\psi }_i^{1d}=u_{i,6}^{\mathrm{rotate}}(1-u_{i,7}^{\mathrm{rotate}}){\xi }^{1d}+u_{i,7}^{\mathrm{rotate}}(1-u_{i,6}^{\mathrm{rotate}}){\xi }^{1d}$

${\psi }_i^{2d}=u_{i,6}^{\mathrm{rotate}}{u}_{i,7}^{\mathrm{rotate}}{\xi }^{2d}$

式中，为0-1变量，取1表示工作；ξ^αd为轮休错峰α天的控制成本系数。

${\psi }_{i,k}^{\mathrm{trans}}=\underset{h=-h_{\max }}{\overset{h_{\max }}{\Sigma }}\left(u_{i,k,h}^{\mathrm{trans}}\right|h\left|\right){\xi }^{\mathrm{trans}}$

式中，h_max为时段错峰最大小时数；为0-1变量，取1表示时段错峰h小时， h为正表示上班时间提前；ξ^trans为时段错峰控制成本系数。

${\psi }_{i,k}^{\mathrm{shift}}=\underset{\beta =1}{\overset{S_{\max }}{\Sigma }}\left(u_{i,k,\beta }^{\mathrm{shift}}\frac{\underset{t=1}{\overset{N_T}{\Sigma }}\left|\Delta P_{i,\beta }^{\mathrm{shift}}\left(t\right)\right|}{2}{\xi }_{\beta }^{\mathrm{shift}}\right)$

式中，S_max为移峰填谷分档数；为0-1变量，取1表示参与β档移峰填谷；N_T为时段数；为β档移峰填谷各时段修正量；为移峰填谷β档控制成本 系数。

${\psi }_{i,k}^{\mathrm{clip}}={\xi }^{\mathrm{clip}}{C}_{i,k}\underset{t=1}{\overset{N_T}{\Sigma }}{\mathrm{\Delta P}}_i^{\mathrm{clip}}\left(t\right)$

式中，ξ^clip为避峰控制成本系数；C_i,k为避峰级数；为避峰各时段的单级修 正量。

${\psi }_k^{\mathrm{res}}={\xi }^{\mathrm{res}}(\frac{\underset{t\in T_{\mathrm{peak}}}{\Sigma }{\left(P_{k,t}^{\mathrm{res}}\right)}^2}{N_P}-{\bar{P}}_{k,r}^0\left(\frac{P_{k,r}^{\mathrm{sum}}}{N_P}\right))$

式中，T_peak指高峰时段，N_P为其时段总数；为各时段备用电力；为高峰 时段备用电力总和；ξ^res为罚系数；为罚系数ξ^res置零时决策结果中的高峰时 段平均备用电力。

${\psi }_k^{\mathrm{slr}}={\xi }^{\mathrm{slr}}({\mu }_1(P_{G,k}^{\max }-P_{k,r}^{\min })+{\mu }_2(P_{k,r}^{\max }-P_{k,r}^{\min }))$

式中，为日最大电力供应预测值，或电网性缺电时相关线路潮流限值；和 分别为系统全天备用电力的最大值和最小值；μ₁和μ₂分别为峰荷项和峰谷差项的分配系数，满足μ₁+μ₂=1；ξ^slr为罚系数。

步骤(5)：构造决策模型的约束条件。本发明方法和系统考虑在如下9种约 束下对有序用电方案进行优化：

1）区域性电网供需缺口约束

$P_{k,t}^{\mathrm{res}}+\underset{i=1}{\overset{N_u}{\Sigma }}({\hat{P}}_{\mathrm{Li}}^k\left(t\right)-{\mathrm{\Delta P}}_i^k\left(t\right))=P_{G,k}^{\max }$

式中，为考虑轮休安排后用户各时段负荷；为日错避峰各时段总修正 量。具体算式为：

${\hat{P}}_{\mathrm{Li}}^k\left(t\right)=u_{i,k}^{\mathrm{rotate}}{P}_{\mathrm{Li}}^{\mathrm{work}}\left(t\right)+(1-u_{i,k}^{\mathrm{rotate}})P_{\mathrm{Li}}^{\mathrm{rest}}\left(t\right)$

${\mathrm{\Delta P}}_i^k\left(t\right)={\mathrm{\Delta P}}_{i,k}^{\mathrm{trans}}\left(t\right)+{\mathrm{\Delta P}}_{i,k}^{\mathrm{shift}}\left(t\right)+{\mathrm{\Delta P}}_{i,k}^{\mathrm{clip}}\left(t\right)$

${\mathrm{\Delta P}}_{i,k}^{\mathrm{trans}}\left(t\right)=\underset{h=-h_{\max }}{\overset{h_{\max }}{\Sigma }}\left(u_{i,k,h}^{\mathrm{trans}}{\mathrm{\Delta P}}_{i,h}^{\mathrm{trans}}\left(t\right)\right)$

${\mathrm{\Delta P}}_{i,k}^{\mathrm{shift}}\left(t\right)=\underset{\beta =1}{\overset{S_{\max }}{\Sigma }}\left(u_{i,k,\beta }^{\mathrm{shift}}{\mathrm{\Delta P}}_{i,\beta }^{\mathrm{shift}}\left(t\right)\right)$

${\Delta }_{i,k}^{\mathrm{clip}}\left(t\right)=C_{i,k}{\mathrm{\Delta P}}_i^{\mathrm{clip}}\left(t\right)$

式中，为用户工作日各时段负荷；为周休日各时段负荷；为 时段错峰各时段修正量，为移峰填谷各时段修正量，为避峰各时 段修正量；为时段错峰h小时各时段修正量，算式如下：

${\mathrm{\Delta P}}_{i,h}^{\mathrm{trans}}\left(t\right)=P_{\mathrm{Li}}^{\mathrm{work}}\left(t\right)-P_{\mathrm{Li}}^{\mathrm{work}}(t+h)$

2）日参与方式约束

$(1-u_{i,k,0}^{\mathrm{trans}})+(1-u_{i,k,0}^{\mathrm{shift}})+u_{i,k}^{\mathrm{clip}}+(1-u_{i,k}^{\mathrm{rotate}})\le 1$

式中，取1表示时段错峰0小时，即不参与时段错峰；取1表示移峰填 谷0档，即不参与移峰填谷；为0-1变量，取1表示参与避峰。

3）轮休错峰约束

$\underset{k=1}{\overset{7}{\Sigma }}{u}_{i,k}^{\mathrm{rotate}}=5$

4）时段错峰约束

$\underset{h=-h_{\max }}{\overset{h_{\max }}{\Sigma }}{u}_{i,k,h}^{\mathrm{trans}}=1$

5）移峰填谷约束

$1-u_{i,k,0}^{\mathrm{trans}}\le \underset{\beta =1}{\overset{S_{\max }}{\Sigma }}{u}_{i,k,\beta }^{\mathrm{shift}}\le S_{\max }(1-u_{i,k,0}^{\mathrm{shift}})$

6）避峰级数约束

$u_{i,k}^{\mathrm{clip}}\le C_{i,k}\le u_{i,k}^{\mathrm{clip}}{C}_{\max }$

7）系统全天最大/最小备用电力约束

$P_{k,r}^{\min }\le P_{k,t}^{\mathrm{res}}\le P_{k,r}^{\max }$

8）高峰时段备用电力总和约束

$P_{k,r}^{\mathrm{sum}}=\underset{t\in T_{\mathrm{peak}}}{\Sigma }{P}_{k,t}^{\mathrm{res}}$

9）新峰约束

$\frac{P_{k,r}^{\mathrm{sum}}}{N_P}\le P_{k,t}^{\mathrm{res}},t\notin T_{\mathrm{peak}}$

式中，N_P为高峰时段数。该式含义为，非高峰时段的备用电力不应少于高峰时 段备用电力的平均，以避免高峰时段用电的过量转移在其他时段筑成新的用电高 峰。

步骤(6)：计算确定控制成本系数。本发明方法和系统中控制成本系数的取 值应体现4种手段的基本调用顺序，即，当优先级较低的控制手段A的调用发生 时，对控制手段A所可能付出的最小成本应不低于高一优先级的控制手段B用尽 时对控制手段B所付出的总成本，因此，各控制成本系数的取值应满足如下不等 式组：

${\xi }_1^{\mathrm{shift}}\underset{i\in {\Phi }_{\mathrm{shift}}^1}{\min }\left(\frac{\underset{t=1}{\overset{N_T}{\Sigma }}\left|{\mathrm{\Delta P}}_{i,1}^{\mathrm{shift}}\left(t\right)\right|}{2}\right)\ge {\xi }^{\mathrm{trans}}{h}_{\max }{N}_u^{\mathrm{trans}}$

${\xi }_{\beta }^{\mathrm{shift}}\underset{i\in {\Phi }_{\mathrm{shift}}^{\beta }}{\min }\left(\frac{\underset{t=1}{\overset{N_T}{\Sigma }}\left|{\mathrm{\Delta P}}_{i,\beta }^{\mathrm{shift}}\left(t\right)\right|}{2}\right)\ge \underset{i\in {\Phi }_{\mathrm{shift}}^{\beta -1}}{\Sigma }{\xi }_{\beta -1}^{\mathrm{shift}}\left(\frac{\underset{t=1}{\overset{N_T}{\Sigma }}\left|{\mathrm{\Delta P}}_{i,\beta -1}^{\mathrm{shift}}\left(t\right)\right|}{2}\right)$

${\xi }^{1d}\ge \underset{i\in {\Phi }_{\mathrm{shift}}^{s_{\max }}}{\Sigma }{\xi }_{s_{\max }}^{\mathrm{shift}}\left(\frac{\underset{t=1}{\overset{N_T}{\Sigma }}\left|{\mathrm{\Delta P}}_{i,s_{\max }}^{\mathrm{shift}}\left(t\right)\right|}{2}\right)$

ξ^2d≥ξ^1dN_u

${\xi }^{\mathrm{chip}}\underset{i\in {\Phi }_{\mathrm{clip}}}{\Sigma }\left(\underset{t=1}{\overset{N_T}{\Sigma }}{\mathrm{\Delta P}}_i^{\mathrm{clip}}\left(t\right)\right)\ge {\xi }^{2d}{N}_u$

步骤(7)：决策模型的求解手段。本发明方法和系统所建立的有序用电集中 决策优化模型为复杂的非线性多目标整数规划问题，模型中，决策变量包括C_i,k，辅助变量包括其余参数均为已知 量，因此，可在Matlab环境下调用大规模数学规划优化器Gurobi对模型进行求 解。

步骤(8)：求解罚系数ξ^slr与ξ^res均置零时的有序用电方案，记录该方案下高 峰时段平均备用电力观察高峰时段备用电力的分布情况，计算日负荷率均 值。

步骤(9)：如果步骤(8)所得方案在高峰时段备用电力分布的均衡程度或日负 荷率均值上不能令人满意，则考虑添加罚系数ξ^slr与ξ^res做进一步的优化。经研究 发现，两个惩罚项中，峰荷峰谷差加权和最小化惩罚项具有更为优良的性质，可 以更有效地改善系统负荷率，同时优化高峰时段备用电力分布，为提高优化效率 计，考虑首先单独使用该惩罚项优化决策方案。此时，峰荷项分配系数μ₁和峰谷 差项分配系数μ₂的取值应最大程度上保证对系统负荷率的优化，考虑让罚系数 ξ^slr按一定步长从0取到充分大，选择在此过程中能使负荷率取到最优的分配系 数。当分配系数μ₁和μ₂确定之后，从0开始逐步加大罚系数ξ^slr,在可接受的总错 避峰控制成本下，观察系统日负荷率均值与高峰时段备用电力分布的变化，直到 取得满意的优化结果。

步骤(10)：如果步骤(9)罚系数ξ^slr的取值已经很大（将伴随高昂的总错避 峰控制成本），而所得方案的高峰时段备用电力分布情况仍不能满足系统稳 定性和安全性的要求，则应考虑添加高峰时段备用电力均衡化惩罚项。罚 系数ξ^slr在步骤(9)最终取值的基础上适当降低，并从0开始逐步加大ξ^res， 在可接受的总错避峰控制成本下，观察系统日负荷率均值与高峰时段备用 电力分布的变化，直到取得满意的优化结果。