本發(fā)明涉及電力需求側(cè)管理系統(tǒng)技術(shù)領(lǐng)域，尤其是涉及一種智能電網(wǎng)環(huán)境下基于云的激勵需求響應(yīng)方法和系統(tǒng)。

背景技術(shù)：

隨著社會的發(fā)展，人們對于電力資源的需求不斷增加，電力供需矛盾日益突出。如何有效的平衡電力供需，提高電網(wǎng)的可靠性與穩(wěn)定性是電網(wǎng)設(shè)計與運行中的關(guān)鍵問題。傳統(tǒng)的以增加電力供應(yīng)來滿足用戶需求的方式不僅會增加大量的投資成本，同時也是不可持續(xù)的。因此，有效的管理需求側(cè)資源，充分挖掘需求側(cè)資源的潛力，成為了維護(hù)電網(wǎng)安全穩(wěn)定運行以及提高電力市場效率的重要方式。

需求響應(yīng)是管理需求側(cè)資源的重要手段，是指在高峰時期或者電力系統(tǒng)可靠性受到損害時，通過價格信號或者激勵的方式來引導(dǎo)電力消費者削減不必要的電力消費。參與需求響應(yīng)的用戶主要包括工業(yè)用戶、商業(yè)用戶和居民用戶。相較于工業(yè)和商業(yè)用戶，居民用戶的電力消費模式更為靈活，具有很大的需求響應(yīng)潛力。同時，隨著智能電網(wǎng)的發(fā)展，大多數(shù)居民用戶安裝了智能電表等高級測量基礎(chǔ)設(shè)施，在實時的雙向通信技術(shù)的支撐下，目前居民用戶已經(jīng)具備參與需求響應(yīng)的基本能力。但是由于居民用戶通常屬于風(fēng)險規(guī)避型的消費者，不愿意承擔(dān)實時電價波動所帶來的風(fēng)險。如何提高居民用戶參與需求響應(yīng)積極性，充分挖掘居民用戶的需求響應(yīng)潛力，成為了需求響應(yīng)項目實施面臨的關(guān)鍵問題。

近年來，有人提出了一種基于優(yōu)惠券的激勵需求響應(yīng)項目。在這類項目中，負(fù)荷服務(wù)實體以時變電價從獨立系統(tǒng)運營商處購買電力資源，然后按照固定電價將電力能源出售給電力消費者。在需求大于供給時，負(fù)荷服務(wù)實體通過向用戶提供優(yōu)惠券激勵，來引導(dǎo)用戶削減不必要電力消費?；趦?yōu)惠券的激勵需求響應(yīng)項目對用戶仍然實行固定電價，同時以用戶自愿參與為原則，因此更易于面向中小型電力用戶實施。然而，由于居民用戶數(shù)量較多，對需求響應(yīng)項目的用戶容量、計算能力和時間效率等方面提出了更高的要求，實施優(yōu)惠券激勵需求響應(yīng)項目的復(fù)雜度仍然很高。

技術(shù)實現(xiàn)要素：

(一)技術(shù)問題

本發(fā)明提供一種智能電網(wǎng)環(huán)境下基于云的激勵需求響應(yīng)方法和系統(tǒng)，可以解決現(xiàn)有技術(shù)實施優(yōu)惠券激勵需求響應(yīng)項目的復(fù)雜度較高的技術(shù)問題，提高居民用戶參與需求響應(yīng)項目的積極性。

(二)技術(shù)方案

第一方面，本發(fā)明提供的智能電網(wǎng)環(huán)境下基于云的激勵需求響應(yīng)方法，包括：

s1、將負(fù)荷服務(wù)實體子系統(tǒng)作為領(lǐng)導(dǎo)者，根據(jù)實時的電價信息和負(fù)荷服務(wù)實體子系統(tǒng)在預(yù)設(shè)歷史時間段內(nèi)與電力系統(tǒng)運營商的交易數(shù)據(jù)，確定領(lǐng)導(dǎo)者的目標(biāo)函數(shù)和對應(yīng)的約束條件，構(gòu)成上層優(yōu)化問題；將每一位居民用戶作為一位跟隨者，根據(jù)消費終端子系統(tǒng)在預(yù)設(shè)歷史時間段內(nèi)的電力消費數(shù)據(jù)，確定每一位居民用戶的目標(biāo)函數(shù)和對應(yīng)的約束條件，構(gòu)成下層優(yōu)化問題；以及對優(yōu)惠券激勵價格進(jìn)行初始化；

其中，所述領(lǐng)導(dǎo)者的目標(biāo)函數(shù)的變量為所有居民用戶的電力需求總量和優(yōu)惠券激勵價格，目標(biāo)為所述負(fù)荷服務(wù)實體子系統(tǒng)的收益最大化；所述每一位居民用戶的目標(biāo)函數(shù)的變量為該用戶的電力需求量和優(yōu)惠券激勵價格，目標(biāo)為該用戶的電力消費效用值最大化；

s2、基于當(dāng)前的優(yōu)惠券激勵價格，求解每一位居民用戶的目標(biāo)函數(shù)，得到每一位居民用戶在當(dāng)前激勵價格下的最優(yōu)電力需求量；

s3、將所有居民用戶的最優(yōu)電力需求量進(jìn)行求和，得到所有用戶的最優(yōu)需求總量，并基于所述最優(yōu)需求總量，求解所述上層優(yōu)化問題，得到最優(yōu)優(yōu)惠券激勵價格；根據(jù)領(lǐng)導(dǎo)者的目標(biāo)函數(shù)值與上次迭代相比是否增加，判斷當(dāng)前是否達(dá)到博弈均衡狀態(tài)，若是，則將所述最優(yōu)優(yōu)惠券激勵價格和所述最優(yōu)需求總量發(fā)送至所述負(fù)荷服務(wù)實體子系統(tǒng)；否則，將所述最優(yōu)優(yōu)惠券激勵價格作為當(dāng)前的優(yōu)惠券激勵價格，并返回s2。

可選的，所述領(lǐng)導(dǎo)者的目標(biāo)函數(shù)為：

maxuleader(pc,d)＝prr·d-prtp·d-pc·(d^tar-d)

所述領(lǐng)導(dǎo)者目標(biāo)函數(shù)的約束條件為：

式中，uleader為所述負(fù)荷服務(wù)實體子系統(tǒng)的收益，pc為優(yōu)惠券激勵價格，d為所有居民用戶的電力需求總量，prr為固定零售電價，prtp為實時電價，d^tar為所有居民用戶總的基線負(fù)荷水平，為最大優(yōu)惠券激勵價格。

可選的，第i個居民用戶的目標(biāo)函數(shù)為：

該目標(biāo)函數(shù)的約束條件為：

式中，ui為第i個居民用戶的效用值，pc為優(yōu)惠券激勵價格，di為第i個居民用戶的電力需求量，prr為固定零售電價，為第i個居民用戶的基線負(fù)荷水平，為第i個居民用戶的最大電力需求量，為第i個居民用戶的不滿意度函數(shù)。

第二方面，本發(fā)明提供的智能電網(wǎng)環(huán)境下基于云的激勵需求響應(yīng)系統(tǒng)，包括負(fù)荷服務(wù)實體子系統(tǒng)、需求響應(yīng)云中心和消費終端子系統(tǒng)，其中：

所述負(fù)荷服務(wù)實體子系統(tǒng)用于執(zhí)行：s11、將負(fù)荷服務(wù)實體子系統(tǒng)作為領(lǐng)導(dǎo)者，根據(jù)實時的電價信息和負(fù)荷服務(wù)實體子系統(tǒng)在預(yù)設(shè)歷史時間段內(nèi)與電力系統(tǒng)運營商的交易數(shù)據(jù)，確定領(lǐng)導(dǎo)者的目標(biāo)函數(shù)和對應(yīng)的約束條件，構(gòu)成上層優(yōu)化問題，并將該目標(biāo)函數(shù)和對應(yīng)的約束條件發(fā)送至所述需求響應(yīng)云中心；其中，所述領(lǐng)導(dǎo)者目標(biāo)函數(shù)的變量為所有用戶的電力需求總量和優(yōu)惠券激勵價格，目標(biāo)為所述負(fù)荷服務(wù)實體子系統(tǒng)的收益最大化；

所述消費終端子系統(tǒng)用于執(zhí)行：s12、將每一位居民用戶作為一位跟隨者，根據(jù)消費終端子系統(tǒng)在預(yù)設(shè)歷史時間段內(nèi)的電力消費數(shù)據(jù)，確定每一位居民用戶的目標(biāo)函數(shù)和對應(yīng)的約束條件，構(gòu)成下層優(yōu)化問題；其中，所述的每一位居民用戶的目標(biāo)函數(shù)的變量為該用戶的電力需求量和優(yōu)惠券激勵價格，目標(biāo)為該居民用戶的電力消費效用值最大化；

所述需求響應(yīng)云中心用于執(zhí)行：s13、對優(yōu)惠券激勵價格進(jìn)行初始化，并將該初始化后的優(yōu)惠券激勵價格發(fā)布至所述消費終端子系統(tǒng)；

所述消費終端子系統(tǒng)還用于執(zhí)行：s2、基于當(dāng)前的優(yōu)惠券激勵價格，求解每一位居民用戶的目標(biāo)函數(shù)，得到每一位居民用戶在當(dāng)前激勵價格下的最優(yōu)電力需求量；將每一用戶的最優(yōu)電力需求量發(fā)送至所述需求響應(yīng)云中心中執(zhí)行s3；

所述需求響應(yīng)云中心還用于執(zhí)行：s3、將所有居民用戶的最優(yōu)電力需求量進(jìn)行求和，得到所有用戶的最優(yōu)需求總量，并基于所述最優(yōu)需求總量，求解所述上層優(yōu)化問題，得到最優(yōu)優(yōu)惠券激勵價格；根據(jù)領(lǐng)導(dǎo)者的目標(biāo)函數(shù)值與上次迭代相比是否增加，判斷當(dāng)前是否達(dá)到博弈均衡狀態(tài)，若是，則將所述最優(yōu)優(yōu)惠券激勵價格和所述最優(yōu)需求總量發(fā)送至所述負(fù)荷服務(wù)實體子系統(tǒng)；否則，將所述最優(yōu)優(yōu)惠券激勵價格作為當(dāng)前的優(yōu)惠券激勵價格，并返回所述消費終端子系統(tǒng)中執(zhí)行s2。

可選的，所述領(lǐng)導(dǎo)者的目標(biāo)函數(shù)為：

maxuleader(pc,d)＝prr·d-prtp·d-pc·(d^tar-d)

所述領(lǐng)導(dǎo)者的目標(biāo)函數(shù)的約束條件為：

式中，uleader為所述負(fù)荷服務(wù)實體子系統(tǒng)的收益，pc為優(yōu)惠券激勵價格，d為所有用戶的電力需求總量，prr為固定零售電價，prtp為實時電價，d^tar為所有居民用戶總的基線負(fù)荷水平，為最大優(yōu)惠券激勵價格。

可選的，第i個居民用戶的目標(biāo)函數(shù)為：

該第二目標(biāo)函數(shù)的約束條件為：

式中，ui為第i個居民用戶的效用值，pc為優(yōu)惠券激勵價格，di為第i個居民用戶的電力需求量，prr為固定零售電價，為第i個居民用戶的基線負(fù)荷水平，為第i個居民用戶的最大電力需求量，為第i個居民用戶的不滿意度函數(shù)。

可選的，所述負(fù)荷服務(wù)實體子系統(tǒng)包括信息交互模塊和優(yōu)化調(diào)度模塊，信息交互模塊用于與所述需求響應(yīng)云中心和所述消費終端子系統(tǒng)進(jìn)行數(shù)據(jù)交互，優(yōu)化調(diào)度模塊用于對領(lǐng)導(dǎo)者的目標(biāo)函數(shù)和約束條件進(jìn)行確定。

可選的，所述需求響應(yīng)云中心包括數(shù)據(jù)存儲模塊、數(shù)據(jù)加密模塊和參數(shù)計算模塊，數(shù)據(jù)存儲模塊用于對所述負(fù)荷服務(wù)實體子系統(tǒng)和所述消費終端子系統(tǒng)發(fā)送來的數(shù)據(jù)進(jìn)行存儲，數(shù)據(jù)加密模塊用于對所述消費終端子系統(tǒng)發(fā)送來的用戶隱私數(shù)據(jù)進(jìn)行加密，參數(shù)計算模塊用于對上層優(yōu)化問題進(jìn)行計算。

可選的，所述消費終端子系統(tǒng)包括高級測量模塊和需求響應(yīng)模塊，高級測量模塊用于采集居民用戶的電力消費數(shù)據(jù)，需求響應(yīng)模塊用戶確定居民用戶的目標(biāo)函數(shù)和約束條件。

(三)有益效果

本發(fā)明提供的智能電網(wǎng)環(huán)境下基于云的激勵需求響應(yīng)方法和系統(tǒng)，由于在執(zhí)行到s3時，只要沒有達(dá)到均衡狀態(tài)，就會返回s2，在返回s2時當(dāng)前的優(yōu)惠券激勵價格為上一次執(zhí)行s3中的最優(yōu)優(yōu)惠券激勵價格，因此這是一個迭代的過程，只有當(dāng)達(dá)到博弈均衡狀態(tài)時才會結(jié)束迭代過程，將最后一次迭代過程中計算得到的最優(yōu)優(yōu)惠券激勵價格和最優(yōu)需求總量發(fā)送至負(fù)荷服務(wù)實體子系統(tǒng)，以便負(fù)荷服務(wù)實體子系統(tǒng)按照最優(yōu)需求總量購買電力資源，并在需求大于供應(yīng)時，按照最優(yōu)優(yōu)惠券激勵價格向用戶提供優(yōu)惠券激勵，來引導(dǎo)用戶減少不必要的電力消費。本發(fā)明中基于stackelberg博弈的優(yōu)惠券價格優(yōu)化方法能夠反應(yīng)實際活動中的主從關(guān)系，協(xié)調(diào)和權(quán)衡雙方參與者的決策。同時，由于本發(fā)明是基于云實現(xiàn)的激勵需求響應(yīng)，相對于現(xiàn)有技術(shù)中以主機(jī)地址為中心的激勵需求響應(yīng)，可以減少通信延遲、實現(xiàn)快速、安全的激勵需求響應(yīng)，有效的引導(dǎo)大規(guī)模居民用戶參與優(yōu)惠券激勵需求響應(yīng)項目中，降低了實施項目的復(fù)雜度，使得激勵需求響應(yīng)在用戶容量、計算能力和時間效率等性能方面都有所提升。

附圖說明

為了更清楚地說明本公開實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本公開的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些圖獲得其他的附圖。

圖1示出了本發(fā)明一實施例中智能電網(wǎng)環(huán)境下基于云的激勵需求響應(yīng)方法的流程示意圖；

圖2示出了本發(fā)明一實施例中智能電網(wǎng)環(huán)境下基于云的激勵需求響應(yīng)系統(tǒng)的結(jié)構(gòu)框圖。

具體實施方式

下面將結(jié)合本公開實施例中的附圖，對本公開實施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒竟_中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本公開保護(hù)的范圍。

第一方面，本發(fā)明提供一種智能電網(wǎng)環(huán)境下基于云的激勵需求響應(yīng)方法，該方法包括：

s1、將負(fù)荷服務(wù)實體子系統(tǒng)作為領(lǐng)導(dǎo)者，根據(jù)實時的電價信息和負(fù)荷服務(wù)實體子系統(tǒng)在預(yù)設(shè)歷史時間段內(nèi)與電力系統(tǒng)運營商的交易數(shù)據(jù)，確定領(lǐng)導(dǎo)者的目標(biāo)函數(shù)和對應(yīng)的約束條件，構(gòu)成上層優(yōu)化問題；將每一位居民用戶作為一位跟隨者，根據(jù)消費終端子系統(tǒng)在預(yù)設(shè)歷史時間段內(nèi)的電力消費數(shù)據(jù)，確定每一位居民用戶的目標(biāo)函數(shù)和對應(yīng)的約束條件，構(gòu)成下層優(yōu)化問題；以及對優(yōu)惠券激勵價格進(jìn)行初始化；

其中，所述領(lǐng)導(dǎo)者的目標(biāo)函數(shù)的變量為所有居民用戶的電力需求總量和優(yōu)惠券激勵價格，目標(biāo)為所述負(fù)荷服務(wù)實體子系統(tǒng)的收益最大化；所述每一位居民用戶的目標(biāo)函數(shù)的變量為該用戶的電力需求量和優(yōu)惠券激勵價格，目標(biāo)為該用戶的電力消費效用值最大化；

s2、基于當(dāng)前的優(yōu)惠券激勵價格，求解每一位居民用戶的目標(biāo)函數(shù)，得到每一位居民用戶在當(dāng)前激勵價格下的最優(yōu)電力需求量；

s3、將所有居民用戶的最優(yōu)電力需求量進(jìn)行求和，得到所有用戶的最優(yōu)需求總量，并基于所述最優(yōu)需求總量，求解所述上層優(yōu)化問題，得到最優(yōu)優(yōu)惠券激勵價格；根據(jù)領(lǐng)導(dǎo)者的目標(biāo)函數(shù)值與上次迭代相比是否增加，判斷當(dāng)前是否達(dá)到博弈均衡狀態(tài)，若是，則將所述最優(yōu)優(yōu)惠券激勵價格和所述最優(yōu)需求總量發(fā)送至所述負(fù)荷服務(wù)實體子系統(tǒng)；否則，將所述最優(yōu)優(yōu)惠券激勵價格作為當(dāng)前的優(yōu)惠券激勵價格，并返回s2。

可理解的是，上述博弈均衡可以為stackelberg博弈均衡，博弈均衡狀態(tài)為領(lǐng)導(dǎo)者的目標(biāo)函數(shù)值不再增加，在博弈均衡狀態(tài)下，領(lǐng)導(dǎo)者和跟隨者的收益值均達(dá)到最優(yōu)，每個居民用戶的最優(yōu)電力需求量、最優(yōu)優(yōu)惠券激勵價格等各個參數(shù)不再發(fā)生變化。

本發(fā)明提供的智能電網(wǎng)環(huán)境下基于云的激勵需求響應(yīng)方法，由于在執(zhí)行到s3時，只要沒有達(dá)到均衡狀態(tài)，就會返回s2，在返回s2時當(dāng)前的優(yōu)惠券激勵價格為上一次執(zhí)行s3中的最優(yōu)優(yōu)惠券激勵價格，因此這是一個迭代的過程，只有當(dāng)達(dá)到博弈均衡狀態(tài)時才會結(jié)束迭代過程，將最后一次迭代過程中計算得到的最優(yōu)優(yōu)惠券激勵價格和最優(yōu)需求總量發(fā)送至負(fù)荷服務(wù)實體子系統(tǒng)，以便負(fù)荷服務(wù)實體子系統(tǒng)按照最優(yōu)需求總量購買電力資源，并在需求大于供應(yīng)時，按照最優(yōu)優(yōu)惠券激勵價格向用戶提供優(yōu)惠券激勵，來引導(dǎo)用戶減少不必要的電力消費。本發(fā)明中的基于stackelberg博弈的激勵價格優(yōu)化方法能夠反應(yīng)實際活動中的主從關(guān)系，能夠有效的協(xié)調(diào)和權(quán)衡雙方參與者的決策和利益。同時，由于本發(fā)明是基于云實現(xiàn)的激勵需求響應(yīng)，相對于現(xiàn)有技術(shù)中以主機(jī)地址為中心的激勵需求響應(yīng)，可以減少通信延遲、實現(xiàn)快速、安全的激勵需求響應(yīng)，可以引導(dǎo)大規(guī)模的居民用戶參與到優(yōu)惠券激勵需求響應(yīng)項目中，降低了項目的復(fù)雜度，使得激勵需求響應(yīng)在用戶容量、計算能力和時間效率等性能方面都有所提升。

在具體實施時，領(lǐng)導(dǎo)者的目標(biāo)函數(shù)和目標(biāo)函數(shù)的具體形式可以根據(jù)情況設(shè)定，例如：所述領(lǐng)導(dǎo)者的目標(biāo)函數(shù)為：

maxuleader(pc,d)＝prr·d-prtp·d-pc·(d^tar-d)(1)

所述領(lǐng)導(dǎo)者的目標(biāo)函數(shù)的約束條件為：

式中，uleader為所述負(fù)荷服務(wù)實體子系統(tǒng)的收益，pc為優(yōu)惠券激勵價格，d為所有用戶的電力需求總量，prr為固定零售電價，prtp為實時電價，d^tar為所有居民用戶總的基線負(fù)荷水平，為最大優(yōu)惠券激勵價格。

實際上在上述(1)中，第一項為所述負(fù)荷服務(wù)實體子系統(tǒng)的售電收入，第二項為購電成本，第三項為優(yōu)惠券激勵支出。

在具體實施時，每一位居民用戶的目標(biāo)函數(shù)和目標(biāo)函數(shù)的具體形式可以根據(jù)情況設(shè)定，例如：第i個用戶的目標(biāo)函數(shù)為：

該第二目標(biāo)函數(shù)的約束條件為：

式中，ui為第i個用戶的效用值，pc為優(yōu)惠券激勵價格，di為第i個用戶的電力需求量，prr為固定零售電價，為第i個用戶的基線負(fù)荷水平，為第i個用戶的最大電力需求量，為第i個用戶的不滿意度函數(shù)。

實際上在上述(3)中，第一項為優(yōu)惠券激勵收入，第二項為第i個用戶的購電成本，第三項為第i個用戶的不滿意度函數(shù)。

第二方面，本發(fā)明還提供一種智能電網(wǎng)環(huán)境下基于云的激勵需求響應(yīng)系統(tǒng)，其特征在于，包括負(fù)荷服務(wù)實體子系統(tǒng)、需求響應(yīng)云中心和消費終端子系統(tǒng)，其中：

所述負(fù)荷服務(wù)實體子系統(tǒng)用于執(zhí)行：s11、將負(fù)荷服務(wù)實體子系統(tǒng)作為領(lǐng)導(dǎo)者，根據(jù)實時的電價信息和負(fù)荷服務(wù)實體子系統(tǒng)在預(yù)設(shè)歷史時間段內(nèi)與電力系統(tǒng)運營商的交易數(shù)據(jù)，確定領(lǐng)導(dǎo)者的目標(biāo)函數(shù)和對應(yīng)的約束條件，構(gòu)成上層優(yōu)化問題，并將該目標(biāo)函數(shù)和對應(yīng)的約束條件發(fā)送至所述需求響應(yīng)云中心；其中，所述領(lǐng)導(dǎo)者目標(biāo)函數(shù)的變量為所有用戶的電力需求總量和優(yōu)惠券激勵價格，目標(biāo)為所述負(fù)荷服務(wù)實體子系統(tǒng)的收益最大化；

所述消費終端子系統(tǒng)用于執(zhí)行：s12、將每一位居民用戶作為一位跟隨者，根據(jù)消費終端子系統(tǒng)在預(yù)設(shè)歷史時間段內(nèi)的電力消費數(shù)據(jù)，確定每一位居民用戶的目標(biāo)函數(shù)和對應(yīng)的約束條件，構(gòu)成下層優(yōu)化問題；其中，所述的每一位居民用戶的目標(biāo)函數(shù)的變量為該用戶的電力需求量和優(yōu)惠券激勵價格，目標(biāo)為該居民用戶的電力消費效用值最大化；

所述需求響應(yīng)云中心用于執(zhí)行：s13、對優(yōu)惠券激勵價格進(jìn)行初始化，并將該初始化后的優(yōu)惠券激勵價格發(fā)布至所述消費終端子系統(tǒng)；

所述消費終端子系統(tǒng)還用于執(zhí)行：s2、基于當(dāng)前的優(yōu)惠券激勵價格，求解每一位居民用戶的目標(biāo)函數(shù)，得到每一位居民用戶在當(dāng)前激勵價格下的最優(yōu)電力需求量；將每一用戶的最優(yōu)電力需求量發(fā)送至所述需求響應(yīng)云中心中執(zhí)行s3；

所述需求響應(yīng)云中心還用于執(zhí)行：s3、將所有居民用戶的最優(yōu)電力需求量進(jìn)行求和，得到所有用戶的最優(yōu)需求總量，并基于所述最優(yōu)需求總量，求解所述上層優(yōu)化問題，得到最優(yōu)優(yōu)惠券激勵價格；根據(jù)領(lǐng)導(dǎo)者的目標(biāo)函數(shù)值與上次迭代相比是否增加，判斷當(dāng)前是否達(dá)到博弈均衡狀態(tài)，若是，則將所述最優(yōu)優(yōu)惠券激勵價格和所述最優(yōu)需求總量發(fā)送至所述負(fù)荷服務(wù)實體子系統(tǒng)；否則，將所述最優(yōu)優(yōu)惠券激勵價格作為當(dāng)前的優(yōu)惠券激勵價格，并返回所述消費終端子系統(tǒng)中執(zhí)行s2。

這里，提供給了一種激勵需求響應(yīng)系統(tǒng)，該系統(tǒng)中的負(fù)荷服務(wù)實體子系統(tǒng)、需求響應(yīng)云中心和消費終端子系統(tǒng)即是執(zhí)行上述步驟的主體。

如圖1和2所示，上述激勵需求響應(yīng)系統(tǒng)的工作過程大致為：

s1、所述負(fù)荷服務(wù)實體子系統(tǒng)根據(jù)實時的電價信息和在預(yù)設(shè)歷史時間段內(nèi)與電力系統(tǒng)運營商的交易數(shù)據(jù)，確定領(lǐng)導(dǎo)者的目標(biāo)函數(shù)和對應(yīng)的約束條件，并將所述領(lǐng)導(dǎo)者的目標(biāo)函數(shù)和對應(yīng)的約束條件發(fā)送至所述需求響應(yīng)云中心；所述消費終端子系統(tǒng)根據(jù)每一居民用戶在預(yù)設(shè)歷史時間段內(nèi)的電力消費數(shù)據(jù)確定對應(yīng)的每一位居民用戶的目標(biāo)函數(shù)和對應(yīng)的約束條件；所述需求響應(yīng)云中心對優(yōu)惠券激勵價格進(jìn)行初始化，并將該初始化后的優(yōu)惠券激勵價格發(fā)布至所述消費終端子系統(tǒng)；

其中，所述領(lǐng)導(dǎo)者的目標(biāo)函數(shù)的變量為所有居民用戶的電力需求總量和優(yōu)惠券激勵價格，目標(biāo)為所述負(fù)荷服務(wù)實體子系統(tǒng)的收益最大化；所述每一位居民用戶的目標(biāo)函數(shù)的變量為該用戶的電力需求量和優(yōu)惠券激勵價格，目標(biāo)為該用戶的電力消費效用值最大化；

s2、所述消費終端子系統(tǒng)基于當(dāng)前的優(yōu)惠券激勵價格，求解每一居民用戶的目標(biāo)函數(shù)，得到每一居民用戶的最優(yōu)電力需求量，并將每一居民用戶的最優(yōu)電力需求量發(fā)送至所述需求響應(yīng)云中心；

s3、所述需求響應(yīng)云中心對所有居民用戶的最優(yōu)電力需求量求和，得到所有用戶的最優(yōu)需求總量，并基于所述最優(yōu)需求總量，求解所述領(lǐng)導(dǎo)者的目標(biāo)函數(shù)，得到最優(yōu)優(yōu)惠券激勵價格；并判斷當(dāng)前是否達(dá)到博弈均衡狀態(tài)，若是，則將所述最優(yōu)優(yōu)惠券激勵價格和每一居民用戶的最優(yōu)電力需求量發(fā)送至所述負(fù)荷服務(wù)實體子系統(tǒng)；否則，將所述最優(yōu)優(yōu)惠券激勵價格作為當(dāng)前的優(yōu)惠券激勵價格，并返回s2。

總體來說，上述三部分之間的交互方式為：

負(fù)荷服務(wù)實體子系統(tǒng)向需求響應(yīng)云中心發(fā)送領(lǐng)導(dǎo)者的目標(biāo)函數(shù)和對應(yīng)的約束條件；需求響應(yīng)云中心以負(fù)荷服務(wù)實體子系統(tǒng)的收益最大化為主要目標(biāo)，通過消費終端子系統(tǒng)與每一居民用戶進(jìn)行多輪交互，進(jìn)行優(yōu)惠券激勵價格的調(diào)整，最后將所有居民用戶的電力需求總量和最優(yōu)優(yōu)惠券反饋給負(fù)荷服務(wù)實體子系統(tǒng)。

同樣的，本發(fā)明提供的激勵需求響應(yīng)系統(tǒng)相對于現(xiàn)有技術(shù)中以主機(jī)地址為中心的激勵需求響應(yīng)系統(tǒng)，可以減少通信延遲、實現(xiàn)快速、大規(guī)模和安全的激勵需求響應(yīng)。而且，通過基于stackelberg博弈的方法，建立雙層優(yōu)化模型，實現(xiàn)優(yōu)惠券激勵價格的調(diào)整，可以有效的權(quán)衡和協(xié)調(diào)負(fù)荷服務(wù)實體與居民用戶的決策和收益。除此之外，由于負(fù)荷服務(wù)實體子系統(tǒng)與消費終端子系統(tǒng)之間通過需求響應(yīng)云中心進(jìn)行交互，也就是說，負(fù)荷服務(wù)實體子系統(tǒng)與用戶之間為間接交互，能夠保護(hù)用戶的隱私信息安全以及減輕網(wǎng)絡(luò)攻擊者的威脅。而且，需求響應(yīng)云中心為基于云的設(shè)備，提供的計算能力和通信能力能夠減小通信延遲，提高激勵需求響應(yīng)項目的實施效率。另外，通過該系統(tǒng)可以減少用戶的用電支出，提高居民參與激勵需求響應(yīng)的積極性。

在具體實施時，領(lǐng)導(dǎo)者的目標(biāo)函數(shù)和目標(biāo)函數(shù)的具體形式可以根據(jù)情況設(shè)定，例如：所述領(lǐng)導(dǎo)者的目標(biāo)函數(shù)為：

maxuleader(pc,d)＝prr·d-prtp·d-pc·(d^tar-d)

所述領(lǐng)導(dǎo)者的目標(biāo)函數(shù)的約束條件為：

式中，uleader為所述負(fù)荷服務(wù)實體子系統(tǒng)的收益，pc為優(yōu)惠券激勵價格，d為所有居民用戶的電力需求總量，prr為固定零售電價，prtp為實時電價，d^tar為所有居民用戶總的基線負(fù)荷水平，為最大優(yōu)惠券激勵價格。

實際上在上式中，第一項為所述負(fù)荷服務(wù)實體子系統(tǒng)的售電收入，第二項為購電成本，第三項為優(yōu)惠券激勵支出。

在具體實施時，每一位居民用戶的目標(biāo)函數(shù)和目標(biāo)函數(shù)的具體形式可以根據(jù)情況設(shè)定，例如：第i個居民用戶的目標(biāo)函數(shù)為：

該目標(biāo)函數(shù)的約束條件為：

式中，ui為第i個居民用戶的效用值，pc為優(yōu)惠券激勵價格，di為第i個居民用戶的電力需求量，prr為固定零售電價，為第i個居民用戶的基線負(fù)荷水平，為第i個居民用戶的最大電力需求量，為第i個居民用戶的不滿意度函數(shù)。

實際上在上式中，第一項為優(yōu)惠券激勵收入，第二項為第i個居民用戶的購電成本，第三項為第i個居民用戶的不滿意度函數(shù)。

舉例來說，在1-n型stackelberg博弈中，負(fù)荷服務(wù)實體子系統(tǒng)作為領(lǐng)導(dǎo)者，其策略集合為：

負(fù)荷服務(wù)實體以利潤最大化為目標(biāo)，所以領(lǐng)導(dǎo)者的優(yōu)化問題為：

maxuleader(pc,d)＝prr·d-prtp·d-pc·(d^tar-d)

每一位居民用戶作為一位跟隨者，其策略集合為：

每一位居民用戶以電力消費效用最大化為目標(biāo)，所以跟隨者的優(yōu)化問題為：

優(yōu)惠券價格的調(diào)整過程是按照stackelberg博弈均衡的求解方法——反向歸納的方法進(jìn)行，具體步驟如下：

(1)需求響應(yīng)云中心進(jìn)行參數(shù)初始化，確定最初的優(yōu)惠券激勵價格，目前的迭代次數(shù)k＝1；

(2)首先向跟隨者發(fā)布領(lǐng)導(dǎo)者的策略：需求響應(yīng)云中心將優(yōu)惠券價格發(fā)布給每一位居民用戶；

(3)跟隨者根據(jù)領(lǐng)導(dǎo)者的策略確定其最優(yōu)的響應(yīng)策略：每一位居民用戶以電力消費效用最大化為目標(biāo)，根據(jù)第k次迭代中的優(yōu)惠券價格求解其優(yōu)化問題確定第k次迭代中最優(yōu)的需求量并且反饋給需求響應(yīng)云中心；

(4)根據(jù)跟隨者已經(jīng)確定的響應(yīng)策略確定領(lǐng)導(dǎo)者的最優(yōu)策略：需求響應(yīng)云中心整合第k次迭代中所有居民用戶的電力需求總量dk，并根據(jù)dk求解領(lǐng)導(dǎo)者的優(yōu)化問題，得出第k次迭代中最優(yōu)的優(yōu)惠券激勵價格迭代次數(shù)k＝k+1,重復(fù)步驟(2)-(4)

(5)達(dá)到stackelberg博弈均衡狀態(tài)即領(lǐng)導(dǎo)者的收益不再增加時，迭代過程結(jié)束，從而得到最優(yōu)的優(yōu)惠券激勵價格和每一位居民用戶最優(yōu)的電力需求量。

在具體實施時，還可以對進(jìn)行功能劃分，例如，所述負(fù)荷服務(wù)實體子系統(tǒng)包括信息交互模塊和優(yōu)化調(diào)度模塊，信息交互模塊用于與所述負(fù)荷服務(wù)實體子系統(tǒng)和所述消費終端子系統(tǒng)進(jìn)行數(shù)據(jù)交互，優(yōu)化調(diào)度模塊用于領(lǐng)導(dǎo)者目標(biāo)函數(shù)和約束條件的確定。所述需求響應(yīng)云中心包括數(shù)據(jù)存儲模塊、數(shù)據(jù)加密模塊和參數(shù)計算模塊，數(shù)據(jù)存儲模塊用于對所述負(fù)荷服務(wù)實體子系統(tǒng)和所述消費終端子系統(tǒng)發(fā)送來的數(shù)據(jù)進(jìn)行存儲；數(shù)據(jù)加密模塊用于對所述消費終端子系統(tǒng)發(fā)送來的用戶隱私數(shù)據(jù)進(jìn)行加密，參數(shù)計算模塊用于領(lǐng)導(dǎo)者優(yōu)化問題的計算。所述消費終端子系統(tǒng)包括高級測量模塊和需求響應(yīng)模塊，高級測量模塊用于采集居民用戶的電力消費數(shù)據(jù)，需求響應(yīng)模塊用戶確定居民用戶的目標(biāo)函數(shù)和約束條件等需求響應(yīng)信息

綜上所述，本發(fā)明提供的智能電網(wǎng)環(huán)境下基于云的激勵需求響應(yīng)方法和系統(tǒng)，由于在執(zhí)行到s3時，只要沒有達(dá)到均衡狀態(tài)，就會返回s2，在返回s2時當(dāng)前的優(yōu)惠券激勵價格為上一次執(zhí)行s3中的最優(yōu)優(yōu)惠券激勵價格，因此這是一個迭代的過程，只有當(dāng)達(dá)到博弈均衡狀態(tài)時才會結(jié)束迭代過程，將最后一次迭代過程中計算得到的最優(yōu)優(yōu)惠券激勵價格和最優(yōu)需求總量發(fā)送至負(fù)荷服務(wù)實體子系統(tǒng)，以便負(fù)荷服務(wù)實體子系統(tǒng)按照最優(yōu)需求總量購買電力資源，并在需求大于供應(yīng)時，按照最優(yōu)優(yōu)惠券激勵價格向用戶提供優(yōu)惠券激勵，來引導(dǎo)用戶減少不必要的電力消費。由于本發(fā)明是基于云實現(xiàn)的激勵需求響應(yīng)，相對于現(xiàn)有技術(shù)中以主機(jī)地址為中心的激勵需求響應(yīng)，可以減少通信延遲、提高參與用戶的容量規(guī)模，從而實現(xiàn)快速、大規(guī)模和安全的激勵需求響應(yīng)。而且，通過基于stackelberg博弈的方法實現(xiàn)優(yōu)惠券激勵價格的調(diào)整，能夠反應(yīng)現(xiàn)實活動中的主從關(guān)系，有效的協(xié)調(diào)和權(quán)衡負(fù)荷服務(wù)實體與居民用戶的決策和利益。

本發(fā)明的說明書中，說明了大量具體細(xì)節(jié)。然而，能夠理解，本發(fā)明的實施例可以在沒有這些具體細(xì)節(jié)的情況下實踐。在一些實例中，并未詳細(xì)示出公知的方法、結(jié)構(gòu)和技術(shù)，以便不模糊對本說明書的理解。

以上實施例僅用以說明本發(fā)明的技術(shù)方案，而非對其限制；盡管參照前述實施例對本發(fā)明進(jìn)行了詳細(xì)的說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解；其依然可以對前述各實施例所記載的技術(shù)方案進(jìn)行修改，或者對其中部分技術(shù)特征進(jìn)行等同替換；而這些修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明各實施例技術(shù)方案的精神和范圍。