具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本申请所描述的实施例可以与其它实施例相结合。

结合图1介绍本申请提供的电力需求响应的优化控制方法，主要包括如下步骤：

步骤S101，基于用电点的用电数据得到的所述用电点的用电负荷特性曲线，对所述用电点进行用电调整。

本步骤中，用电数据包括电表数据和气表数据中的至少一种，主要是通过数据采集与监视控制系统(SCADA)、高级量测体系(AMI)和智能电表获得的。在电力系统中，SCADA系统应用最为广泛，技术发展也最为成熟，它在远动系统中占重要地位，可以对现场的运行设备进行监视和控制，以实现数据采集、设备控制、测量、参数调节以及各类信号报警等各项功能，在现今的变电站综合自动化建设中起了相当重要的作用。

用电点可以是工商业用户，主要涉及的部门包括企业自身用电管理部门、工商业聚集区内的用电管理部门、地区供电局等。业务流与信息流按照图2所示上下流动，不断进行交互，能量流则主要由电网流向负荷。所应用到的数据主要包括用户基本属性信息、用户的用电行为信息、用户的消费行为信息、用户与电网之间的交互信息等，这些信息的获取依靠安装在用户侧的智能电表以及各用户接入电网所报备的基本信息。需求响应调控方面则主要以价格信号对用户的用电行为进行干预，并做到分层分级管理，下级电网要通过需求响应最大限度满足上级电网的负荷要求。电网公司的需求响应决策部门应当按照当前电力系统的负荷状态向下级电网发布未来一定时间段内的负荷调整需求，使整体负荷尽可能平稳且要考虑到进行需求响应可能引发的峰值反弹问题。工商业用户收到需求响应管理员的价格调整信号后，在保证企业正常运营的基础上对部分负荷进行削减或转移来进行响应。

图2的管理模型聚集了参与需求响应服务的电力用户，并向电网系统对应的单位报备所能提供的需求响应总量，该管理员主要是地方供电局。另一方面，管理员从电网公司收取按一定的小时费率定价的需求响应费用，并按一定的小时费率补偿成员的参与行为，同时从中获得管理费。

步骤S102，根据用电点的地理位置信息和供电点的地理位置信息，将地理位置靠近度小于阈值的多个供电点合并为等效供电点，将地理位置靠近度小于所述阈值的多个用电点合并为等效用电点；

也即，根据用电点的地理位置信息和供电点的地理位置信息，将地理位置较近的多个供电点合并为等效供电点，将地理位置较近的多个用电点合并为等效用电点；其中，等效供电点可以包括等效发电机和等效温度控制机。

步骤S103，基于所述用电点在所述用电调整后的各种可能用电量，进行针对所述等效供电点和等效用电点的电力潮流计算，确定最优电力潮流；

步骤S104，根据所述等效供电点在所述最优电力潮流中所需提供的电能，确定合并形成所述等效供电点的各供电点所需提供的电能；

步骤S105，按照所述各供电点所需提供的电能，控制所述各供电点进行发电。

上述方法中，在用电点一侧，基于用电数据得到用电负荷特性曲线，对用电点进行用电调整，并根据用电点的地理位置信息和供电点的地理位置信息进行等效合并，并根据用电点在用电调整后的各种可能用电量，进行针对等效供电点和等效用电点的电力潮流计算，得到最优电力潮流，保证等效供电点在最优电力潮流中所需提供的电能准确性，进而提升各供电点所需提供电能的准确性，同时兼顾用电需求和发电设备利用率。

在一个实施例中，基于大数据挖掘构建用电点的画像的流程如图3所示：

步骤S301：将对应用电点建立画像时所需的用电数据进行收集整理并加入到对应的标签体系中，此时尚无用电数据。

步骤S302：数据预处理，将智能电表所上传用电数据进行异常数据处理并将其标准化，避免了不同容量用户无法共同进行策略制定的问题。

步骤S303：应用模糊C均值聚类算法(也可以称为FCM算法)进行用电负荷数据的聚类处理，提取用电负荷特性曲线。

也就是说，上述步骤S101具体可以包括：对所述用电数据进行异常数据处理并将对异常数据处理后的用电数据进行标准化处理，将标准化处理后的用电数据作为用电负荷数据；利用模糊C均值聚类算法对用电负荷数据进行聚类处理，得到用电负荷特性曲线。

步骤S304：根据用电负荷特性曲线和用电点的其他信息形成画像，此时所建立的画像仍为临时版本，需要进行修正。

步骤S305：依据用电点的画像和用电负荷特性曲线，对用电点进行用电调整，让用电点基于用电调整后的策略持续运行一段时间。

步骤S306：判断用户画像中的用电负荷特性曲线是否已经趋于稳定，若不稳定则重复步骤S302至步骤S305并重新判断，第一次建立时默认曲线不稳定，不进行判断；若已稳定则进行下一步。

步骤S307：输出用电点的画像建立的结果，以作为能源管理策略制定的依据。

更进一步地，上述步骤S302的详细处理方式如下：

用电负荷数据的真实与完整是进行分析和预测的前提，但由于各类智能电表种类较多，入网方式不同，其数据测量与传输的精度也有所差别，所得到的数据中可能存在较多的空数据、零值数据、恒定值数据、异常越界数据、异常阶跃值数据这五种类型的错误数据。对这些数据的处理，应当先进行异常数据的定位，应用原理进行定位，首先计算负荷的均值与标准差，按照下式进行：

其中，x_i为所处理日期的某一时刻原始负荷数据，每日有96个数据；μ为原始负荷数据的均值；σ²为原始负荷数据的方差。

应用下式对数据进行判断，异常或错误数据进行定位：

|x_i-μ|>3σε (1-2)

其中，ε为阈值，取1～1.5。

完成异常数据的定位后，按照下式对异常数据进行修正：

其中，x_i,前和x_i,后分别为前一天和后一天该时刻的负荷数据，x_i-1和x_i+1分别为同一天该时刻前一个和后一个数据，α、β、γ均为权重系数。

在发现用户数据异常时，将该异常加以记录，若在检测时间段内异常数据出现次数过多，应将该信息推送给用户，指导用户检查本地智能电表的工作情况并通知该地区运行维护人员进行上门对电表进行维修。

在完成异常数据的预处理后，应用Z-score方法对用电负荷数据进行标准化处理，主要目的在于让不同用能水平的用户可以在一个统一的标准下进行分析比较，并且使参数在优化过程中能够快速收敛。Z-score标准化方法应用负荷数据的均值和标准差对数据做标准化处理，使得处理完成后的数据满足正态分布，其标准差为1，且均值为0，相应的计算公式为：

其中，y为原负荷数据；y^*为处理后的负荷数据；σ为负荷数据的标准差；μ为负荷数据的均值。

在完成初始数据的预处理后，开始进行聚类操作，在前几次的用电数据聚类操作中，由于负荷特性数据变化幅度较大且规律性较差，可能存在多个聚类中心，数据可能比较离散，不适合应用K-means硬聚类算法，在这一阶段中应用FCM聚类算法，该方法的隶属度函数适合反应实际用电中的不确定性，且聚类的精度较高。首先在每个时间点上应用FCM算法对负荷数据进行处理，求解聚类中心，在96个时间上都进行上述操作，得到96个聚类中心，并将所有聚类中心按照时间顺序依次连接起来，作为用电负荷特性曲线。

若通过FCM算法的公式(1-4)判断后得出最佳聚类数为1，则此时采用K-means算法对数据进行聚类操作，因为负荷特性曲线趋于平缓且已经具有一定的规律性，适合应用复杂度较低的K-means算法进行数据处理，且该计算效率高，节省了聚类操作的总时间。

更进一步地，上述步骤S305的详细处理方式如下：

假设对于整个电力系统来说，存在两个负荷高峰，分别出现在8时至11时和13时至17时，而夜晚出现负荷低谷，为了尽可能减小用户的负荷变化对电网的影响，并使得工商业大用户参与需求响应，本阶段用电策略调整的目标是：

(1)对工业用户，应使得白天时段的负荷特性曲线更加平缓，夜晚时段的负荷率更高，对商业用户，应更多地进行负荷的削减；

(2)应用可转移型负荷对负荷特性曲线中的极小值点进行填谷；

(3)应用可削减型负荷及可转移型负荷对于负荷特性曲线中的极大值点进行削峰；

(4)对于无法转移的高峰负荷，缩短其负荷下降的时间，减小其对后续时间段的其他用户的影响，即让曲线的变化更趋近于“开”和“关”，加快需求响应速度(本条目标的意义在于减小在负荷曲线变化时存在的不确定性，让曲线以唯一的速率变化，以保证最终负荷特性曲线唯一，方便后续的优化操作)。

为了实现上述调整目标，依据大型工商业用户画像的部分信息，使用激励政策等需求响应方法对大用户的用电特性加以干预，并将需求响应计划在较大用户群体中进行推广使用。所应用到的标签主要有：

(1)基本属性：负荷等级(Ⅰ、Ⅱ、Ⅲ级)、需求响应公益参与度、供电类型；

(2)用电行为：日用电峰值时间、日用电谷值时间、月用电峰值日期、月用电谷值日期、可直接控制中断容量、参与需求响应次数、用电行为评级；

(3)消费行为：参与需求响应激励额度。

下面逐条说明如何依据上述信息进行需求响应策略的制定，各个标签按照进行需求响应的顺序优先级排序，即进行需求响应制定时若遇到特性相似用户，则按照顺序逐个项目进行对比，确定需求响应优先级：

(1)负荷等级：Ⅰ、Ⅱ级负荷对供电可靠性要求很高，不允许减少供电或中断供电，故仅考虑是否可以将这两类负荷的负荷时间转移以参与需求响应，但不对此加以强制要求；Ⅲ级负荷对供电可靠性无特殊要求，可以考虑通过负荷削减及负荷转移参与需求响应；

(2)需求响应公益参与度：此标签在电网与企业签订需求响应协议时决定，数值为需求响应容量占满负荷功率比例，该企业需求响应参与度越高则在进行优化时对其进行优先考虑；

(3)供电类型：为了提高可再生资源的消纳率，风力发电与光伏发电在该企业总用电中所占比例越高，则将其需求响应调节的优先级降低；

(4)日用电峰值时间、日用电谷值时间：调整企业用电每日用电的峰值与谷值时间，可以将企业的谷值时间与电网的峰值时间重合，可以将企业的峰值时间与电网的谷值时间重合，以达到削峰填谷的目的；

(5)月用电峰值日期、月用电谷值日期：为了能让更多的用户参与到需求响应之中，调整不同企业的用电峰、谷值日期，使两者互补；

(6)可直接控制中断容量：该部分容量可在用电高峰时直接停供，此容量越高的企业越优先考虑；

(7)参与需求响应次数：企业前一月需求响应参与次数越多，则优先考虑使该企业参与需求响应；

(8)用电行为评级：此数值越高说明该用户整体负荷率越高，相应的，其参与需求响应可能性越小，则不会对该企业进行优先考虑；

(9)参与需求响应激励额度：此数值越高，电网为了激励其参与需求响应所要支付的激励额越高，为了降低电网的运行成本，该数值越高则不会对该企业进行优先考虑。

在完成上述用户画像建立流程后，工商业大用户的用电负荷曲线也在最大程度上被进行了削峰与填谷，即完成了需求响应优化决策方法的第一阶段调整。

在一个实施例中，可以对电能、热能和天然气等分别进行建模，得到不同能源的等效供能点，并对每个等效供能点进行优化计算并确定最优潮流，构建用户需求响应优化控制方法，该方法的完整流程如图4所示，具体步骤如下：

步骤S401：建立能源供给点与能源消耗点的模型；

步骤S402：确定最优潮流；

步骤S403：对每个等效温度控制机和每个等效发电机进行优化计算；

步骤S404：输出优化计算的结果，并应用于等效温度控制机与等效发电机。

所述步骤S401，根据所收集到的用户侧及电网侧的用电信息与地理位置信息将将地理位置较近的供能站点合并为等效发电机、等效温度控制机，将地理位置较近的耗能站点合并为等效用户，根据相应公式建立优化模型。建立优化模型的具体内容包括：

(1)光伏发电设备的模型

光伏器件随着太阳光照强度和当地环境温度的变化而改变输出功率，它具有较强的非线性特性，在多云气象条件下，输出功率在短时间内会发生较快的变化。光伏发电设备的模型如下：

其中，B_PV为每千瓦时风力发电成本；P_PV为光伏发电的功率，单位kW；T_PV为光伏发电时长；η为光伏发电的光电转换效率；n是光伏电池板的数量；S是光伏电池板的面积，单位m²；K为光照强度，单位勒克斯(Lx)；θ为室外温度，单位摄氏度。光伏发电的约束条件为：

其中，为最大光伏发电功率，单位kW。

(2)风力发电设备的模型

风力发电设备随着风速的变化而改变输出功率，它同样具有较强的非线性特性，风力发电机在额定风速和切出风速之间的风速下运行时输出额定功率。风力发电设备的模型为：C_W＝B_WT_W(C_W1+C_W2v+C_W3v²)，其中，B_W为每千瓦时风力发电成本；T_W为风力发电时长；C_W1、C_W2、C_W3为由切入速度v_c、切出速度v_s以及额定功率P_WR确定的常数，风速单位均为m/s。风力发电的约束条件为：v_c≤v≤v_s。

(3)蓄电池模型

蓄电池是可再生能源发电厂中的重要设备，与风力发电以及光伏发电等配合在一起运行时，能够提升可再生能源的消纳率且能维持功率的平衡，使可再生电源在供电时的经济效益更高。当发电功率不足时，蓄电池与可再生能源一起向电网供出电能；当发电功率过剩时，可再生能源向蓄电池充电，减少资源的浪费。

蓄电池正常运行时，电池状态由前一时段及当前时段的充放电功率决定，其模型为：

其中，STATE(t)为t时刻蓄电池的荷电状态；STATE(t-1)为t-1时刻蓄电池的荷电状态；P_ES(t)为t时刻蓄电池充/放电功率，单位kW；M_ES(t)为t时刻蓄电池充/放电状态标志，取1(放电)或者-1(充电)；ESS_R为蓄电池的额定容量，单位kWh；η_c为蓄电池充电效率；η_f为蓄电池放电效率；Δt为时间间隔。

蓄电池的输出特性方程为：

其中，t₀时刻发电功率过剩，开始充电；t₂时刻发电功率不足，开始放电。

为了简化风、光发电的模型，将风、光发电机组整合起来并配置蓄电池，使用每小时平均输出功率作为其输出特性。

(4)热电联产机组的模型

热电联产机组可以将原动机发电后的余热整合起来，可以同时供出电能与热能，其模型如下：

其中，B_CHP,E为每千瓦时热电联产机组发电成本；T_CHP为风热电联产机组工作时长；η_CHP,E为热电联产机组的发电效率；B_CHP,H为单位热能热电联产机组发热成本；η_CHP,H为热电联产机组发热效率；为甲烷的热值，单位兆焦/立方米(MJ/m³)；V_CHP为单位时间天然气的消耗量，单位m³。

(5)燃气锅炉的模型

燃气锅炉是消耗天然气并产生热能的设备，其模型如下：

其中，B_GB为单位热能燃气锅炉发热成本；T_GB为燃气锅炉工作时长；η_GB为燃气锅炉的发热效率；为甲烷的热值，单位兆焦/立方米(MJ/m³)；V_GB为单位时间天然气的消耗量，单位m³。

(6)电制冷机的模型

电制冷机是消耗电能并进行制冷的设备，其模型如下：

C_EC＝B_EC·T_EC·P_EC·η_EC，

其中，B_EC为单位冷气电制冷机制冷成本；T_EC为电制冷机工作时长；P_EC为电制冷机的电功率，单位kW；η_EC为电制冷机的制冷系数。

(7)吸收式制冷机的模型

吸收式制冷机可以利用热电联产机组、燃气锅炉的低温热能，并用于制冷的设备，其模型如下：

C_AC＝B_AC·T_AC·H_AC·η_AC，

其中，B_AC为单位冷气吸收式制冷机制冷成本；T_AC为吸收式制冷机工作时长；H_AC为吸收式制冷机消耗热能功率，单位kW；η_AC为吸收式制冷机的制冷系数。

(8)负荷集合体的模型

而在负荷侧联合需求响应的情况下，所有成员的用电计划被一起进行优化，来使得所有成员的收益最大化，收益或损失由成员平分。该负荷集合体的电气模型如图5所示。

在一个实施例中，等效供电点包括等效发电机和等效温度控制机；步骤S103可以包括如下步骤：在仅考虑电力需求响应的情况下，利用第一目标函数确定等效发电机和等效温度控制机和用电点参与需求响应的最小总损耗(在一些场景中，损耗可以以成本费用表征，最小总损耗是指能源供给侧供应冷、热、电的费用及用户参与需求响应的激励费用总和最小)；基于所述最小总损耗下的等效发电机和等效温度控制机所需供给的能源以及所述用电点所节约的能源，得到最优电力潮流；所述第一目标函数为：其中，HG为等效发电机数目，HL为等效用户点数目，HT为等效温度控制机数目，B_HG为每千瓦时等效发电机的发电成本，P_HG为等效发电机的发电功率，B_HL为每千瓦时等效用电点参与需求响应所节约的成本，P_HL为等效用电点参与需求响应的功率，B_HT为每单位制冷、制热量等效温度控制机成本，P_HT为等效温度控制机制冷和制热功率；需满足供需平衡的约束条件：其中，P_HLT为每个等效用电点所用热能的制冷/制热功率。

通过上述模型完成优化计算，以得到最优用电潮流以及最优等效温度控制机制冷、制热功率，对于可能出现的各种用电情况进行潮流计算，找出最小总损耗的电力调度方案。

在一个实施例中，步骤S104具体可以包括如下步骤：利用第二目标函数，对每个等效发电机和等效温度控制机的内部功率分配进行计算，确定合并形成各等效发电机的各发电机所需提供的电能，合并形成所述等效温度控制机的各温度控制机所需提供的电能；所述发电机包括光伏发电机组和风力发电机组；所述温度控制机包括热电联产机组、燃气锅炉、电制冷机组和吸收式制冷机组；所述第二目标函数为：其中，C_HG为一台等效发电机每小时的成本，C_HT为每台温度控制机每小时的成本；其中，λ_HG1为光伏发电机组的运行状态，λ_HG2为风力发电机组的运行状态，λ_HG3为热电联产机组的运行状态，λ_HT1为燃气锅炉的运行状态，λ_HT2为电制冷机组的运行状态，λ_HT3为吸收式制冷机组的运行状态。

进一步地，λ_HG1、λ_HG2、λ_HG3、λ_HT1、λ_HT2和λ_HT3表示的对应设备运行状态的系数按照对应设备的实际工作状态取0或1。

由于热力供应往往是不在全系统内联网的，而电力可以在互联的系统内调度，故在所述步骤S103的基础上，先对每个等效温度控制机进行优化计算，使其在满足用户需求的情况下运行费用最低，此时主要考虑由于地理位置原因所导致的供能成本提高问题，力求“就近供给”以降低成本；在上述的基础上，对每个等效发电机进行优化计算，此时主要考虑由于等效发电机内部不同发电机组出力时网损问题，但要求优先消纳风、光发电机组的电力。

上述步骤S404：输出优化计算的结果，并将具体的运行调度数据传输到各个等效温度控制机与等效发电机。

基于上述图4所示流程即可完成一次能源管理策略的制定，但由于用户侧设备的增加或减少而导致其用电信息的变化以及发电侧发电容量的不断提高，以及新用户的不断加入，使得整个电力系统处于不断变化的过程中，需要依据电网复杂程度定时进行用户画像的更新并不断进行需求响应决策的制定，才能更好地发挥本算法的效用。

基于本申请提供的电力需求响应的优化控制方法，本实施例设置了具体的算例分析，本实施例的损耗以成本费用表征，具体如下：

前提假设：认为合并后的等效电力用户的负荷数据为一条水平的直线，能源供出点为一个；城市整体热负荷均由热电联产机组承担，故不再考虑燃气锅炉；制冷负荷由电制冷机承担，放置于负荷侧，不再考虑吸收式制冷机；基于10kV配电网进行算例分析，该10kV配电网的简化结构，如图6所示。

经过潮流计算(目标函数为电力系统的网损最小)后获得的最优潮流的数据为P₁＝1000MW,P₂＝300MW，P₁＝1000MW,P₂＝300MW。其中，P₁为电源点，P₂和P₃为工业的等效电力用户，P₄为商业的等效电力用户。

等效发电机的组成包括：

(1)风光互补发电机组，由于风光互补发电可以得到较稳定的输出，且加入了储能电池，为了简化计算，认为风光互补发电机组的输出特性为水平的直线，总电负荷为200MW，发电成本取0.28元/kWh(因为不同地区风光互补机组发电成本有所不同，在0.25元/kWh～0.25元/kWh之间波动，但整体已经低于火电的上网电价，故本算例中电价取0.28元/kWh)；

(2)传统火力发电厂，电源点共有2个此类型电厂，发电成本取0.3元/kWh；

(3)热电厂，电源点共有10个此类型电厂，热电联产机组优先供给热负荷，总热负荷为1000t/h，总电负荷为350MW为简化计算，认为10个热电厂的发电机组构成相同，发电成本取0.27元/kWh，具体数据如表1所示。

表1热电厂发电机组构成

等效电力用户的组成为：

(1)P₂点用户为工业用户，参与需求响应项目的积极性不高，故在需求响应中会导致其电费较高，电网将从该用户处每度电多收取0.2元，作为其消极参与需求响应的惩罚；

(2)P₃点用户为工业用户，参与需求响应项目的积极性很高，故在需求响应中会使得其电费较低，电网将从该用户处每度电少收取0.2元，作为其积极参与需求响应的补偿；

(3)P₄点用户为商业用户，参与需求响应项目的积极性较高，但强制性负荷所占比例较高，电网将从该用户处每度电少收取0.1元，作为其积极参与需求响应的补偿。

若按照传统的电网运行方式，不把风力发电、光伏发电加入到考虑范围内，所有负荷均由热电厂承担，但热电厂的热负荷是固定的，多发电将会导致热电厂的成本提高，在本算例中假设原有热电厂的发电成本从0.27元/kWh提高至与传统火电厂相当的水平，即发电成本为0.3元/kWh，则按照一直供出最大功率时每日最低电网供电费用为：

为了优先消纳风力与光伏发电，减少火力发电对环境的污染，故应当让风光互补发电机组输出最大功率，其次是存在强制功率的热电厂，其余负荷则由传统火电厂承担，则按照一直供出最大功率时每日最低电网供电的费用为：

所得结果显示，若考虑了风力与光伏发电的优先消纳会使得发电的成本降低，成本下降了4.531％，每日最低电网供电的费用的对比如图7所示。

在下面的用户电费计算中，为简化数据处理过程，假设用户每日分别在电价峰值时段、电价平值时段和电价谷值时段的用电量占总用电量的比例在进行能源管理策略第一阶段调整之前如图8所示。峰值时段工业电价为1.025元/kWh，平值时段电价为0.725元/kWh，谷值时段为0.425元/kWh，在第一阶段调整前每日电费为：

生产经营行为调整后，峰值用电量比例降低，平值和谷值用电量比例升高，假设进行第一阶段调整之后的具体分配如图9所示。在第一阶段调整后每日电费为：

在进行调整后每日电费变化，如图10所示。

对应的每日电费变化率，如表2所示。

表2每日电费变化率表

根据表2可以看出，积极参与到调整项目中可大幅降低企业电费，反之将会导致电费大幅提高，而对于供电部门而言，调整前每日收取电费19,704,000元，调整后每日收取电费16,680,000元，收入降低了15.347％，但是可以延后大型调峰机组的建设时间，同时电力系统运行的稳定性也提高了，对于整个电力系统而言是有利的。

上述的基于多种市场交易机制的需求响应优化控制方法，将分为两阶段进行，第一阶段为工商业大用户的成产经营计划调整阶段，通过对工商业大用户的用电数据聚类分析，得到每个用户的负荷特性曲线，依此向用户提出调整策略，对大用户的用电计划进行粗颗粒度的调节，在用户的负荷特性曲线调整趋于稳定后，进入第二阶段的调整。在进行用户画像的建立时即已经完成第一阶段的调整，进行第一阶段调节的主要目的在于，尽可能削减用电高峰时段中的大用户用电极大值，填补用电低谷时段中的大用户用电极小值，进而减小极值对后续调节的影响，减小其他能源(可再生能源发电等)为供给负荷峰值或停供负荷谷值而带来的经济损失；同时，提前使得各个大用户安排好生产经营活动也对其平稳正常运行有利，并让用户适应需求响应的方式与规则。在第二阶段的调整中，先将电能(包括风光等可再生能源发电)、热能(热电联产机组和燃气锅炉)、天然气等分别进行建模，将地理位置较近的供能站点合并为等效发电机、等效温度控制机，将地理位置较近的耗能站点合并为等效用户，建立优化模型，对于可能出现的各种用电情况进行潮流计算，确定最优潮流，然后对每个等效发电机和每个等效温度控制机进行优化计算，使其在满足用户需求的情况下运行费用最低，完成对大用户的用电计划进行颗粒度更细的调节，以达到最优化的目的。本申请可以在满足用户需求的情况下提高用户收益，改善发电设备利用率，提高电力系统的运行稳定性。

应该理解的是，虽然图1至图10的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1至图10中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图11所示，提供了一种电力需求响应的优化控制装置，包括：

用电调整模块1101，用于基于用电点的用电数据得到的所述用电点的用电负荷特性曲线，对所述用电点进行用电调整；

合并等效模块1102，用于根据用电点的地理位置信息和供电点的地理位置信息，将地理位置靠近度小于阈值的多个供电点合并为等效供电点，将地理位置靠近度小于所述阈值的多个用电点合并为等效用电点；

电力潮流处理模块1103，用于基于所述用电点在所述用电调整后的各种可能用电量，进行针对所述等效供电点和等效用电点的电力潮流计算，确定最优电力潮流；

电能确定模块1104，用于根据所述等效供电点在所述最优电力潮流中所需提供的电能，确定合并形成所述等效供电点的各供电点所需提供的电能；

发电控制模块1105，用于按照所述各供电点所需提供的电能，控制所述各供电点进行发电。

在一个实施例中，所述用电调整模块1101，用于对所述用电数据进行异常数据处理并将对异常数据处理后的用电数据进行标准化处理，将标准化处理后的用电数据作为用电负荷数据；利用模糊C均值聚类算法对用电负荷数据进行聚类处理，得到用电负荷特性曲线。

在一个实施例中，所述用电数据包括电表数据和气表数据中的至少一种。

在一个实施例中，所述等效供电点包括等效发电机和等效温度控制机；

所述电力潮流处理模块1103，还用于在电力需求响应的情况下，利用第一目标函数确定等效发电机和等效温度控制机和用电点参与需求响应的最小总损耗；基于所述最小总损耗下的等效发电机和等效温度控制机所需供给的能源以及所述用电点所节约的能源，得到最优电力潮流；

所述第一目标函数为：

其中，HG为等效发电机数目，HL为等效用户点数目，HT为等效温度控制机数目，B_HG为每千瓦时等效发电机的发电成本，P_HG为等效发电机的发电功率，B_HL为每千瓦时等效用电点参与需求响应所节约的成本，P_HL为等效用电点参与需求响应的功率，B_HT为每单位制冷、制热量等效温度控制机成本，P_HT为等效温度控制机制冷和制热功率；需满足供需平衡的约束条件：

其中，P_HLT为每个等效用电点所用热能的制冷/制热功率。

在一个实施例中，所述电能确定模块1104，还用于利用第二目标函数，对每个等效发电机和等效温度控制机的内部功率分配进行计算，确定合并形成各等效发电机的各发电机所需提供的电能，合并形成所述等效温度控制机的各温度控制机所需提供的电能；所述发电机包括光伏发电机组和风力发电机组；所述温度控制机包括热电联产机组、燃气锅炉、电制冷机组和吸收式制冷机组；

所述第二目标函数为：

其中，C_HG为一台等效发电机每小时的成本，C_HT为每台温度控制机每小时的成本；

其中，λ_HG1为光伏发电机组的运行状态，λ_HG2为风力发电机组的运行状态，λ_HG3为热电联产机组的运行状态，λ_HT1为燃气锅炉的运行状态，λ_HT2为电制冷机组的运行状态，λ_HT3为吸收式制冷机组的运行状态。

在一个实施例中，λ_HG1、λ_HG2、λ_HG3、λ_HT1、λ_HT2和λ_HT3表示的对应设备运行状态的系数按照对应设备的实际工作状态取0或1。

关于电力需求响应的优化控制装置的具体限定可以参见上文中对于电力需求响应的优化控制方法的限定，在此不再赘述。上述电力需求响应的优化控制装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，其内部结构图可以如图12所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储电力需求响应的优化控制数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种电力需求响应的优化控制方法。

本领域技术人员可以理解，图12中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述各个方法实施例中的步骤。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述各个方法实施例中的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，上述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上的实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。