本发明涉及电力需求侧响应，尤其涉及一种柔性负荷聚合特性辨识与优化方法。
背景技术：
1、新型电力系统亟需开发尚未充分激活的需求侧灵活性资源，充分把握电力现货市场建设机遇，发展电价激励型需求响应技术，已经成为提升需求侧灵活性的重要手段，需求侧灵活性资源主要包括一系列柔性负荷，包括电动汽车、智能楼宇建筑、多能源微电网等等。这些资源普遍具有海量异构特点，并且资源分布分散，需要经过高效的聚合优化处理才能形成规模化的可控资源。现有技术在建模中依赖用户主动上报运行参数，因而其建模性能深受上报参数准确度的影响，例如，当运行参数失真或存在恶意错报时，无论是集中式的直接负荷控制算法，还是分布式的分解协调算法，都无法得到真实的系统最优方案。
2、申请号为202211128637.x的中国发明专利提供了一种非侵入式柔性负荷聚合特性辨识与优化方法、装置及设备，获取面向柔性负荷的特性辨识模型和弹性估计模型，实时获取当前轮次的激励电价，将当前轮次的激励电价分别输入特性辨识模型和弹性估计模型输出实时响应用电量和实时虚拟弹性矩阵，最终获得最优激励电价和最优响应用电量，实现对非侵入柔性负荷的聚合优化控制，不需要依赖用户主动提供信息上报，使用统计方法建立外特性的等效映射关系。
3、但在实际应用中，针对电力依赖度高的行业或工商业用户，尤其是大型储能用户对于电价的浮动变化极为敏感，对于电价的需求程度更高，现有技术在进行聚合优化时无法精准获得激励电价，并不在保证负荷安全的前提下实现最大化的经济效益。
技术实现思路
1、本申请通过提供一种柔性负荷聚合特性辨识与优化方法，解决了现有技术中无法精准调控激励电价降低经济效益的问题，实现了精准调控激励电价、最大化经济效益的技术效果。
2、本申请提供了一种柔性负荷聚合特性辨识与优化方法，所述方法包括：
3、s100：获取面向柔性负荷的特性辨识模型，所述特性辨识模型的输入为激励电价，所述特性辨识模型的输出为实时响应用电量和实时负荷响应特征向量；所述实时负荷响应特征向量包括实时响应用电量变化率、负荷率波动、响应灵敏度和响应延迟；
4、s200：获取面向柔性负荷的电价量级表，所述电价量级表包括激励电价和对应的时间节点，选取初始激励电价进行首次输入到特性辨识模型中，依据初始激励电价按照量级规则依次选取剩余的激励电价进行输入，分别得到对应的实时响应用电量和实时负荷响应特征向量，将符合量级规则的激励电价对应的时间节点标记为时度节点；
5、s300：获取输出的所述实时响应用电量，根据历史的所述实时响应用电量变化率预先设定电量幅度阈值，将所述实时响应用电量变化率与所述电量幅度阈值进行比较，将不小于所述电量幅度阈值的所述实时响应用电量对应的时间节点标记为电度节点；其中，所述电量幅度阈值是根据实际情况和历史数据进行设定的，用于衡量所述实时响应用电量变化率的变化幅度。
6、s400：根据不同的激励电价和时度节点生成时度曲线，根据所述实时响应用电量和所述电度节点生成电度曲线，确定跨度节点，获取所述跨度节点的所述实时负荷响应特征向量，生成优化调控报告；所述跨度节点是时度节点和电度节点相重合的节点；
7、s500：根据所述优化调控报告对柔性负荷进行聚合优化并更新电价量级表。
8、进一步地，所述量级规则是以初始激励电价为基准，选取与初始激励电价不同量级或不小于量度阈值的激励电价作为后续输入的激励电价；计算同量级的激励电价之间的变化幅度，并将变化幅度与所述量度阈值进行比对。其中，所述量度阈值是根据实际情况和经验进行设定的，用于衡量激励电价的变化幅度。
9、进一步地，获取相邻两个所述跨度节点，将两个所述跨度节点之间的时间区域按照激励电价进行划分为多个辅控区域，相同激励电价的为同一辅控区域；在每个所述辅控区域内，根据激励电价的差值进一步划分成多个片段区域；所述片段区域均对应一个新划分得到的激励电价，根据新的激励电价得到对应的所述实时响应用电量和所述实时负荷响应特征向量；根据所述实时响应用电量和所述实时负荷响应特征向量分析得到所述片段区域对应的最优激励电价以及对应的时间范围生成优化调控报告。
10、进一步地，所述差值是不同辅控区域之间激励电价的差值，通过记录辅控区域的结束电价和起始电价计算得到，对差值大于0，即结束电价大于起始电价的辅控区域进行划分；对差值小于0，即结束电价小于起始电价的辅控区域设定为待定区域。
11、进一步地，所述片段区域是根据所述差值的下一量级进行划分，所述片段区域的最大数量不超过10个，划分完成后对每一个片段区域设定新的激励电价，根据所述片段区域的数量划分所述辅控区域的时间长度，并记录每一个所述片段区域的初始时间节点和结束时间节点。
12、进一步地，获取所述片段区域的初始时间节点，按照延伸步长逐步增加时间范围，根据当前时间范围和新的激励电价得到所述实时响应用电量变化率和所述实时负荷响应特征向量，判断是否达到预置条件，若达到预置条件或达到最大延伸次数则停止延伸，记录此时的时间节点作为结束时间节点。
13、进一步地，所述最大延伸次数需要根据所述辅控区域的时间长度和延伸步长进行预先设定。
14、进一步地，所述预置条件包括第一阈值和第二阈值，所述第一阈值是根据所述实时响应用电量变化率进行设置；所述第二阈值是根据综合波动值进行设置，所述综合波动值是根据所述负荷率波动、所述响应灵敏度和所述响应延迟综合生成，若所述实时响应用电量变化率达到所述第一阈值或所述综合波动值达到所述第二阈值，均停止延伸。
15、进一步地，获取所述片段区域的时间范围和所述激励电价，为每个时间范围设定初步基准值和初始浮动范围，以每个时段为基础单位，构建以电价浮动范围和量级为决策变量的优化模型，记录每个时段的最优电价浮动范围及最佳量级选择，更新电价量级表。
16、进一步地，所述初步基准值是片段区域内的最优激励电价，所述初始浮动范围是所述片段区域初始时间节点对应的激励电价和结束时间节点对应的激励电价之间的范围；所述优化模型是根据预测结果和优化目标，评估策略的综合效益，缩小电价浮动范围，结合特性辨识模型和弹性估计模型的预测结果，对每个时段的电价浮动范围和量级进行优化。
17、本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
18、通过使用电价量级表输入特性辨识模型和弹性估计模型，将历史电价数据按量级划分，并关联到具体的时间节点，利用多种量级的激励电价，实现更精准的激励电价控制优化的效果；通过电度节点结合时度节点，确定跨度节点深入分析负荷响应特性，生成优化调控报告，提出针对性的优化调控策略，实现了最大化经济效益的效果。
1.一种柔性负荷聚合特性辨识与优化方法，其特征在于，所述方法包括：
2.如权利要求1所述的一种柔性负荷聚合特性辨识与优化方法，其特征在于，所述量级规则是以初始激励电价为基准，选取与初始激励电价不同量级或不小于量度阈值的激励电价作为后续输入的激励电价；计算同量级的激励电价之间的变化幅度，并将变化幅度与所述量度阈值进行比对。
3.如权利要求1所述的一种柔性负荷聚合特性辨识与优化方法，其特征在于，获取相邻两个所述跨度节点，将两个所述跨度节点之间的时间区域按照激励电价进行划分为多个辅控区域，相同激励电价的为同一辅控区域；在每个所述辅控区域内，根据激励电价的差值进一步划分成多个片段区域；所述片段区域均对应一个新划分得到的激励电价，根据新的激励电价得到对应的所述实时响应用电量和所述实时负荷响应特征向量；根据所述实时响应用电量和所述实时负荷响应特征向量分析得到所述片段区域对应的最优激励电价以及对应的时间范围生成优化调控报告。
4.如权利要求3所述的一种柔性负荷聚合特性辨识与优化方法，其特征在于，所述差值是不同辅控区域之间激励电价的差值，通过记录辅控区域的结束电价和起始电价计算得到，对差值大于0，即结束电价大于起始电价的辅控区域进行划分；对差值小于0，即结束电价小于起始电价的辅控区域设定为待定区域。
5.如权利要求3所述的一种柔性负荷聚合特性辨识与优化方法，其特征在于，所述片段区域是根据所述差值的下一量级进行划分，所述片段区域的最大数量不超过10个，划分完成后对每一个片段区域设定新的激励电价，根据所述片段区域的数量划分所述辅控区域的时间长度，并记录每一个所述片段区域的初始时间节点和结束时间节点。
6.如权利要求5所述的一种柔性负荷聚合特性辨识与优化方法，其特征在于，获取所述片段区域的初始时间节点，按照延伸步长逐步增加时间范围，根据当前时间范围和新的激励电价得到所述实时响应用电量变化率和所述实时负荷响应特征向量，判断是否达到预置条件，若达到预置条件或达到最大延伸次数则停止延伸，记录此时的时间节点作为结束时间节点。
7.如权利要求6所述的一种柔性负荷聚合特性辨识与优化方法，其特征在于，所述最大延伸次数需要根据所述辅控区域的时间长度和延伸步长进行预先设定。
8.如权利要求6所述的一种柔性负荷聚合特性辨识与优化方法，其特征在于，所述预置条件包括第一阈值和第二阈值，所述第一阈值是根据所述实时响应用电量变化率进行设置；所述第二阈值是根据综合波动值进行设置，所述综合波动值是根据所述负荷率波动、所述响应灵敏度和所述响应延迟综合生成，若所述实时响应用电量变化率达到所述第一阈值或所述综合波动值达到所述第二阈值，均停止延伸。
9.如权利要求3所述的一种柔性负荷聚合特性辨识与优化方法，其特征在于，获取所述片段区域的时间范围和所述激励电价，为每个时间范围设定初步基准值和初始浮动范围，以每个时段为基础单位，构建以电价浮动范围和量级为决策变量的优化模型，记录每个时段的最优电价浮动范围及最佳量级选择，更新电价量级表。
10.如权利要求9所述的一种柔性负荷聚合特性辨识与优化方法，其特征在于，所述初步基准值是片段区域内的最优激励电价，所述初始浮动范围是所述片段区域初始时间节点对应的激励电价和结束时间节点对应的激励电价之间的范围；所述优化模型是根据预测结果和优化目标，评估策略的综合效益，缩小电价浮动范围，结合特性辨识模型和弹性估计模型的预测结果，对每个时段的电价浮动范围和量级进行优化。
