基于IEEE 2030.5标准的电网边缘交互式需求响应操作的研究

工程6（2020）801研究智能电网与能源互联网-文章基于IEEE 2030.5标准的电网边缘交互式需求响应操作Javad Fattahi，Mikhak Samadi，Melike Erol-Kantarci，HenrySchriemer渥太华大学电气工程与计算机科学学院，渥太华ON K1N 6N5，加拿大阿提奇莱因福奥文章历史记录：收到2019年2020年3月7日修订2020年6月16日接受2020年6月25日在线提供保留字：交互式需求响应IEEE 2030.5智能电网多智能体系统邻域协调A B S T R A C T本文提出了一种交互式需求响应（TDR）计划的网络的住宅客户与发电资产，强调互操作性的交互式能源架构。完全基于实验室的实施提供了完全符合电气和电子工程师协会（IEEE）2030.5标准的主动TDR用例的第一个（据我们所通过使用基于互联网协议（IP）的（局域网（LAN）和Wi-Fi）通信协议和传输层安全（TLS）1.2加密协议与商业硬件的完整系统集成提供验证，并通过使用大量住宅智能电表数据的仿真提供验证。需求响应（DR）方案旨在满足隐私关注，允许客户选择其DR合规性级别，并提供激励措施以最大限度地提高其参与度。所提出的TDR方案通过在事务代理（TA）和家庭能源管理系统（HEMS）代理之间实施SEP2.0消息传递协议来解决隐私问题。客户响应是由一个多输入多输出（MIMO）的模糊控制器，管理，年龄之间的客户代理和TA的谈判。我们采取多代理系统的方法来进行社区协调，TA在一个共同的Transformer上为多个住宅提供服务，并在基于事件的优化过程中使用奖励机制来最大化客户参与度。基于一组在较长时间内获取的智能电表数据，我们参与了多个TDR场景，并通过一个功能齐全的符合IEEE 2030.5标准的实现来证明我们的方案可以在现实条件下将网络峰值功耗降低22%©2020 THE COUNTORS.Elsevier LTD代表中国工程院出版，高等教育出版社有限公司。这是一篇CC BY-NC-ND许可下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍分布式能源（DER）和可延迟负载（如电动汽车（EV））的高渗透率正在给现代电网带来新的挑战，这主要是由于其不确定性固有的不确定性[1，2]。这将对电力系统的运行和控制产生重大影响[2]。负荷分布和DER供电的不确定性要求在客户方面采取更灵活的方法需求响应（DR），传统上由公用事业公司与其大客户一起使用，现在可能会随着双向通信的进步而被带到住宅层[3]。DR的基本原理在参考文献中提到[4]，并在参考文献中进行了全面讨论[5]。在需求侧管理的背景下讨论DR*通讯作者。电子邮件地址：hschriemer@uottawa.ca（H. Schriemer）。参见Nadel[6]。有关DR文献的广泛调查，请参见Vardakas等人[7]。DR通过特定的方法解决消费修改问题。DR方法的范围从那些没有调度能力的方法，如分时使用（TOU）[8，9]、临界峰值定价（CPP）[4，10，11]和实时定价（RTP）[12]，到那些有调度能力的方法，如可用需求侧资源容量控制（ADSRCC）[13，14]和可用需求侧储备管理（ADSRM）[15现有的DR方法可以分为集中式或分散式/分层[18]。在集中式方法中，使用跨网格的扩展数据寻求最佳解决方案，目的是最大限度地提高DR结果。然后使用直接控制策略来追求期望的电网状态，其中，基于配电系统运营商（DSO）与客户之间的协议，允许运营商对客户资产进行远程调节[19]。相比之下，分层/分散式DR是一种间接控制策略，其中控制器https://doi.org/10.1016/j.eng.2020.06.0052095-8099/©2020 THE COMEORS.由爱思唯尔有限公司代表中国工程院和高等教育出版社有限公司出版。这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表工程杂志主页：www.elsevier.com/locate/eng802J. Fattahi et al. /工程6（2020）801是具有一定程度的智能和决策自主权的本地代理人。分层DR方案可以通过主从方法实现控制策略，使公用事业从事客户DER可以采取多种方法[21]。其中，transactive框架采用基于代理的方法来激励和管理系统行为[22与传统DR程序类似，交互式平台可以使用激励措施来确保必要的资源。Behboodi等人[25]提出了一种交互控制范式，使恒温控制负载能够参与实时零售电力市场。最近在商业建筑供暖、通风和空调（HVAC）系统中使用了交互式方法进行DR[26]。Daneshvar等人[27]提出了针对不同农村地区的交互式能源整合，部分配备了DER，以降低社区能源总成本。交易方法通常通过一些价格信号来处理DER管理，这些价格信号可以是独立系统运营商提供的市场清算价格。实际实施的障碍仍然存在：最突出的是，在激励方法中缺乏客户参与，以及在非盈利性市场中缺乏统一的DR标准。实际的DR实施并不简单。在DER和非传统负荷预计将激增的电网边缘环境中，必须解决重大挑战，才能充分发挥其潜力。现有的集中式和分散式方法假设必要的客户数据是可用的，这可能会危及客户隐私[28]。此外，实际实现中存在两个重大障碍：如何解决动态系统状态调节，以及如何确保可伸缩性。因此，大多数方法在以下因素中的一个或多个方面存在缺陷：①在一定范围的时间尺度上具有低延迟的准确控制;②在保持互操作性的同时响应的灵活性;③在遵守隐私要求的同时控制法律的充分性;在保持低边际成本的同时提高通信可靠性;以及提高网络安全性。文献[1]提出了一种聚类[29，30]以解决客户生活方式和响应的弹性在网格中采用分布式控制器和交互方法有助于减少延迟，提高灵活性和可扩展性，但在一个平台上解决所有需要的因素仍然是一个正在进行的研究活动。我们在一个互动的能源(TE)框架，利用互操作性作为参考架构，实现我们的DR计划。TE框架提供了一种从经济和控制系统的联合角度解决智能电网运营目标的方法，使用价值作为关键运营参数[31]。它的特征在于描述特定方法特征的属性。Chen和Liu[22]回顾了关于DR的研究和行业实践的现状以及新方法他指出，要提高性能，仍需克服一些突出的障碍，特别是在技术、可扩展性、系统管理和消费者行为方面。Nunna和Srinivasan[32]提出了一个基于代理的TE框架，用于微电网间基于拍卖的电力市场，将DR纳入其能源管理策略。Good等人[33]最近提出了TE建模和评估框架对于灾难恢复业务案例。Zia等人。[34]最近提出了一种多层TE架构以及验证经济交易所需互操作性是TE的关键属性[35]，因此，与上述自上而下的方法相比 ， 为 了 解 决 观 察 到 的缺 陷 ， 我 们 使 用 电 气 和 电 子 工 程 师 协 会（IEEE）2030.5智能能源配置文件（SEP）应用协议[36]作为我们的参考架构的核心。该标准在传输控制协议（TCP）/互联网协议（IP）上使用超文本传输协议（HTTP）请求/响应模型，并采用可扩展标记语言（XML）作为数据交换格式。传输层安全（TLS）1.2提供机密消息交换，以确保通信各方的真实性并确保消息完整性。在我们的TDR设计实现中表达的信息（语义）和我们使用事件驱动的自主分布式架构，在符合IEEE 2030.5标准的事务代理（TA）和多个家庭能源管理系统（HEMS）代理[37，38]住宅用户拥有发电和存储资产，以及各种负荷，这些资产受HEMS控制。我们的TDR方案采用多智能体系统方法[37]来协调这些智能体的 在聚合TA和每个HEMS代理之间，事务是分层的。 也就是说，HEMS代理不直接交互;它们与TA合作，但彼此不合作。这种方法通过设计来促进隐私，同时使HEMS的认知智能参与与TA附近的所有其他家庭协调来找到DR请求的TA试图通过与每个HEMS代理进行协商来最大化整个网络上的DR请求，这取决于每个房主设置的关于他们可能愿意与此类请求合作的程度的约束加强合作将由TA通过不断变化的价格信号传达给每个房主/客户作为积极参与交互式谈判的奖励来本文件的结构如下。在第2节中，我们描述了系统架构及其通信层次结构;我们将IEEE 2030.5要求的简要概述以及TDR所需的功能集和基本元素的总结放在附录A中。在第3节中，介绍了HEMS代理操作。第4节量化了过去和现在的客户行为，前者通过描述客户消费用于预测用途，后者通过用于调解交易协商的奖励函数。在第5节中，我们的TDR算法，并详细介绍了协商的优化方法。第6节中显示了各种sce- narios的仿真结果，第7中给出了结论性意见。2. 系统架构和SEP 2.0消息传递在这里，我们描述了我们的TE框架，利用互操作性作为参考架构，实现我们的DR计划。 我们使用一个事件驱动的自治分布式体系结构与代理之间的实时通信。它利用IEEE 2030.5 SEP 2.0标准[36]实现互操作性。关于SEP 2.0作为基于国际电工委员会（IEC）61968公共信息模型[39]的数据模型，我们的应用程序编程接口（API）以“RESTful”（其中REST代表代表表示性状态传输）[40]的方式使用网格边缘资源公钥基础设施（PKI）[41]用于提供针对不可否认攻击的保护TDR系统的结构配置，如图所示。 1（a），由TA和作为主要网格边缘代理的HEMS代理的聚合组成。TA在物理上与邻近配电Transformer共处一地TA通信KJ. Fattahi等人 /工程6（2020）801-811803Fig. 1. (a)《贸易和发展报告》的结构体系。(b)TDR系统在实验室测试配置中的物理实现。顶部面板显示了①TA，②Transformer，③光伏（PV）逆变器，并显示了电池;底部面板显示了用户界面，并显示了HEMS代理;并显示了HEMS，智能恒温器，和交换机CCL：客户合作水平; CSR：客户计划退货; DRR：动态DR请求;Pcap：住宅容量;DPava：甩负荷可用性;DP：潜在的负载减少;DP~：在TDR协商期间请求的负载减少;Pk：这里，用于该客户的负载k的功耗（正式地，Pk=k，其中，给出了用户i的当前功耗，在本文中表示为Pi与公用事业提供集中的电网状态监测和控制。TA与HEMS代理的通信协调所有DR请求和返回，并监控Transformer低压侧 如示于图在图1（a）中，TA采取优化方法来通过与每个客户的交互式协商来分配DR请求，如下面进一步描述的。HEMS代理是负责控制和调度客户资产（为简单起见，此处称为“负载”）的住宅单元。它在SEP 2.0框架内运行，以根据客户对用电模式、舒适度和负荷优先级的选择来处理TA请求，如第3中进一步描述的。HEMS代理将来自此类服务的数据转换为SEP 2.0推荐的XML文件，用于TDR目的（参见图1（a）中的青色框），包括本地功率测量，以便可以验证DR动作。它通过设计来维护客户隐私，充当客户代理，对TA提供HEMS代理与TA协商，以确定他们对DR请求的最佳响应，使用模糊推理引擎来适应客户偏好和舒适度，以响应TA提供的奖励（也可以直接以符合强制性DR事件）。下一节将更全面地描述此行为。图图1（b）示出了实验室测试配置中的TDR系统的物理实现。在左侧面板中，直流电从屋顶上的光伏（ PV ）面板向下传输到Transformer，然后传输到田渊电机生态智能电池系统[42]（逆变器和电池）。TA安装在电气面板上。底部面板显示HEMS代理，TA与HEMS代理通信，HEMS代理与Energate[43]Ho<$Ho<$m智能恒温器和负载控制器（HEMS）交互;还显示了用户界面。图2描述了通过用于XML文件的GET命令的SEP 2.0消息传递序列。高级灾难恢复事件由以下人员发起公用事业服务器，并被传送到TA。低级别DR图二.用于TDR的DSO、TA和HEMS代理之间使用SEP 2.0的通信层次结构。事件由TA响应于本地资产监视（例如，Transformer健康）而发起TA与各个HEMS代理进行通信，按照所示的顺序发送XML函数集及其相应的HEMS代理发送类似的¼ð Þ¼804J. Fattahi et al. /工程6（2020）801作为交互式协商和监控过程的一部分，向TA发送消息，并且TA同样向DSO发送消息。在我们的体系结构中，HEMS代理是客户端，而TA是客户端DPP帽ð2Þ或服务器。由于TA被防火墙隔离，无法直接与客户资产接触，因此我们采用分布式智能[44]方法进行基于代理的能源管理[45]。在下面的部分中，我们将解释如何通过SEP检索的信息是由HEMS和模糊逻辑控制器（FLC）作为HEMS代理执行谈判。的其中DP在第5节中有更详细的描述，由电信局长根据个别客户的历史记录（见第4）发起。我们使用多输入多输出（MIMO）模糊控制方法[47]来为每个家庭和指定的CCL提取TDR协商期间所请求的需求减少，附录A中描述了SEP 2.0用于实施所需TDR活动的功能集实施了一个完整的DP~¼~xP帽ð3ÞSEP服务器，我们强调，所有的代理是完全符合IEEE 2030.5智能电网互操作性标准，虽然目前发送的TDR计划使用，但其功能的一小部分3. HEMS代理操作HEMS座席负责与TA进行交互式协商此代理使用FLC实现它与HEMS通信以确定总负载和甩负载可用性，并传递DR请求以供实现。下面，我们描述了FLC的认知智能如何由TA参与，以与附近的所有其他HEMS代理协调，找到DR请求一旦完成与HEMS代理的DR协商，它就将此信息发送到HEMS，HEMS负责容纳响应的负载。为此，我们使用了Energate[43]的商用现成HEMS，通过单独的应用程序编程接口确保IEEE 2030.5与该专有HEMS兼容给定住宅容量P上限（即，所有可控负载的总可调功率），其基于由HEMS提供的用于甩负载可用性的数据，DPAVA（即，当前使用的所有可控制负载的总消耗，其是最大DR可用性）。HEMS代理确定实现这种减少的最有效方式，无论是通过直接削减、负载设定点和占空比的改变，还是本地DER调度（这里被视为负负载）。IEEE 2030.5标准描述了智能可以实现网格功能，但是它没有定义实现它们的方式。这种区别是互操作性框架的核心。我们对标准的实现是在一个交互配置文件中，使用下面描述的归一化量来更好地揭示HEMS代理如何在交互过程中展示认知智能。客户约束通过客户合作级别（CCL）[46]来实现，以表明遵守TDR请求的意愿程度。不失一般性，仅定义两种模式就足够了：①良好，当客户将适应某些行为修改以符合TDR请求时使用;以及②不良，当客户希望在TDR事件期间对其使用行为的影响最小时使用。也就是说，CCL是由客户设置的HEMS代理操作模式，其定义FLC将如何响应DR请求。在交互式协商期间，我们需要识别客户i的HEMS代理愿意适应的负荷减少DP1，其小于或等于甩负荷可用性DPava。我们通过住宅容量（即，所有可控负载的最大功率之和），Pcap，以将客户预定回报（CSR）定义为其中，x~是FLC的归一化输出。一个三步的过程来确定这个输出：模糊化，模糊推理，和去模糊化，方程。（1）和（2）提供宇宙的话语。模糊化对FLC输入的清晰数据进行操作，将这些数据转换为语言变量，这里选择为低-低（LL）、低（L）、中（M）、高（H）和高-高（HH）。每个变量都与一个隶属函数相关联由三角波函数定义，lx，其中x是一个成员，一个介于0和1之间的值，用于描述输入中的某个点空间（CSR或DRR）。 图图3给出了输入（以及输出）的隶属函数，定义了如何将话语的universe中的每个点映射到0和1之间的隶属值（或隶属度）。模糊推理过程将隶属函数与控制规则相结合，以在查找表中呈现模糊输出，该查找表使用语言变量描述输入和输出之间的函数映射。使用基于规则的FLC使我们能够最好地捕捉关于问题的知识多样性，以及其变量之间的相互作用和关系，并最好地适应系统中的不确定性[48]。表1和表2分别给出了差CCL模式和好CCL模式的规则基础。反模糊化用于将模糊输出转换为清晰值。考虑到隶属函数的对称性，使用面积重心（COA）方法从评估的隶属函数确定~x 然后，通过等式2确定协商的负载减少。并且使用LoadShedAvailability、DrResponse和DER函数将信息发送到TA如附录A所述。4. 量化客户行为我 们 使 用 真 实 世 界 的 数 据 来 模 拟 客 户 消 费 行 为 。 在 HydroOttawa[49]服务区域内，以1分钟的间隔在45天内收集了10个匿名住宅客户的智能电表数据然后使用k-均值聚类对客户进行分类TA使用该信息来发起与每个HEMS代理的交互式协商过程-参见等式10。（7）第五节。CSRDPiP帽ð1Þ以补充的方式，动态DR请求（DRR）被定义为协商期间的潜在需求减少DP与住宅容量的比率，图三.隶属函数（垂直轴）用于输入（DRR，CSR）或输出（~x，解模糊值）隶属值（水平轴）。还示出了与每个隶属函数相关联的语言变量LL、L、M、H和HHþ¼半]联系我们JCK第二次世界大战表1J. Fattahi等人 /工程6（2020）801-811805ri¼r0c0hc1.P-Pi=PTc2.di-d=dTi5TDR请求遵从性差的模糊规则库，其中输入为DRR和CSR，结果输出显示在灰色区域中。表2用于满足TDR要求的模糊规则库，其中输入为DRR和CSR，结果输出显示在灰色区域。k-均值方法将数据划分为聚类，其中聚类成员资格通过最小化由每个时间t[50]的所有N个数据点与聚类中心之间的平方距离之和定义的目标函数来确定;因此JtXXPit-Pit41/1第1页其中r0是TDR参与的基本奖励，Pi是客户是所有参与者的平均依从性，dT是总依从所有参与者的遵守。相对功耗和合规性分别由正系数c1和c2缩放，其中c1C21.这允许动态加权TDR协商朝向功率降低或增加的COM，因为可能需要改进协商过程;在这里，我们默认为相等的静态加权。最后，为了解决集群成员关系，选择c0作为总体加权因子，该因子引入了对消费减少历史的轻微偏差;我们采用1： 0; 1： 3的范围，c0与客户消费成反比。这促进了集群间的竞争。奖励函数在协商期间不断更新（通过r0），以鼓励增加DR竞争力的趋势。它还包含在附录A中设置的“使用点”功能中，以更新和记录用电指标，并计算每个住宅的当前消耗和奖励。我们将使用这些数据来发出DR请求通过优化方法。5. TDR算法现在，我们将使用流程图描述如何在算法上实现TDR方案，在流程图中，TA和HEMS代理之间的协商在操作上是其中在每个时间t，PCt是聚类中心的KK巴比山是消费数据的n个元素向量，并且Nn个 元素向量。1/1N= 470和K= 3的聚类分析结果如图4所示。单个集群大小n为3、2和5。为了进一步量化客户行为并实现高效协商，我们的TDR算法（在第5节中详细描述）包含了一个灵活的奖励函数，以适应功耗和TDR合规性的多样性。它还可用于将参与贸易和发展报告请求的活动货币化，并可根据市场信号进行调整。对于每个协商时间间隔，我们为每个客户i定义一个奖励函数见图4。 顾客消费行为可分为三类。图五. TDR算法的流程图表示，左侧显示HEMS代理，右侧显示TA流程。中央块指示通信过程。PARSE指的是使用符合IEEE 2030.5的TDR平台实现的SEP 2.0协议对XML文件进行解码。GET和POST是分别对应于读取和创建操作的¼.XX¼¼¼-ð Þ806J. Fattahi et al. /工程6（2020）801通过IEEE 2030.5 SEP 2.0功能集的TCP/IP交换完成。DR请求可能来自 公 用 事 业 侧 或 Transformer 级 ， 并 使 用 附 录 A 中 的EndDeviceControl对于跨时间范围th的特定部署时间t，我们将TA的目标DRR值表示为DPDR，时间范围th是SEP 2.0定义的时间间隔。简化的TDR算法如图5所示。在TA侧，如果接收到新的DRR值，TA将发起TDR与HEMS代理商进行谈判正如HEMS探员证实的那样DR请求已得到满足，或者直到无法朝着改善个体需求减少取得进一步进展，此时通过设置drProgramMandatory= TRUE将控制变量应用于每个家庭。请注意，这并不强制遵从DR请求。这是一个完全自愿的交易，尽管未能遵守可能会受到处罚（请参见附录A 中的EndDeviceControl）。我们还定义了一个合规性指标，为了确保合规性，继续与剩余HEMS代理商进行谈判，如下文进一步详述。在HEMS代理方，如果SDPaDPDRð8ÞHEMS代理生成drProgramMandatory= 0的DRR值继续与不符合的HEMS代理进行协商，直到确认了不断变化的DRR值（或达到迭代限制），协商终止。然后通过设置drProgramMandatory= TRUE将最终DRR值分配给每个HEMS代理，然后HEMS代理实现它们的请求。TDR算法在协商的每个阶段优化每个HEMS代理的目标DR减少。 优化基于使用线性规划方法的模型预测控制（MPC）[51]。这种基于事件的DR优化对于我们这样具有复杂动态和约束的系统来说是一种很好的方法[52]。对于每个协商j1≤j≤10，通过下式确定各个潜在负荷减少量DPi（控制变量）：以量化事务处理在实现目标DR请求方面的效率。对于我们三个集群中的10个客户（如第4节所述），根据Eq. 其中每个负载预测是从跨给定时间范围的集群消耗行为（参见图4）确定的。通过客户当前功耗的差异和他们的TDR合规性来确保协商过程中的奖励多样性。后者的现实值是通过运行多个不同的需求情况下，启动固定的奖励r0，以构建一个名义上的一组合规历史。通过Eq进行谈判。（6）通过接合每个HEMS FLC，其对于给定的CCL模式将从CSR比率产生的模糊输出（即，DPi）和不断变化的减少灾害风险比率（即，DP）。这就引入了必要and take” in the dialogue between the TA and the HEMSKMax1/1KviriDPi！-ð6Þ-正在进行的协商为准确定性响应提供输入变化。6. 仿真结果时间：viD P i≥D Pdr;0： 8DP≤DPi≤ 1： 2DP1/1其中，k是交易网络中可用客户的数量;DPdrDPDRDPa是不断变化的DRR值，DPa是已同意的客户的总需求减少量以满足他们的个人请求;DP是该协商剩余客户的平均DR可用性。对于成功的TDR操作，注意DPdr应趋于零，因为j增大已经引入了指示器函数v以显示客户是否仍在协商中（v1/ 4表示仍在协商，v0表示确认减少）。第一个约束断言单独请求的负载减少的总和满足tar，获取DR请求，而第二个将各个请求调整到由平均DR可用性控制的间隔后一个约束保持请求公平性，同时适应客户选择的CCL模式，从而允许超过其请求20%以上的客户在协商过程中提前“锁定”。分配是由一个迭代过程，incorpo- rates方程的奖励函数。（5）驱动HEMS代理操作，以便确定最佳可能负载减少的集合对于每个j>1，根据等式（三）、为j启动该过程 1的在DR时间间隔的端点处使用k均值聚类数据（参见图4）进行负载预测，然后通过协商来确定每个客户的DR可用性;在开发了我们的TDR方案并使用图1所示的设备物理实现之后，我们现在执行完整的操作验证，包括与所有代理和负载的协商和通信。如前所述，我们使用真实的住宅能源使用数据通过系统仿真来证明我们的TDR平台这些数据用于定义甩负荷可用性（通常由HEMS提供给HEMS代理），如下面进一步描述的仿真在10个客户的交互式网络中执行，总容量固定为20 kW，总DR可用性为12 kW。假设所有参与者具有相同的个人能力P上限。 作为对我们的交互式方法的严格测试，我们在下午5点到晚上8点的下午/晚上需求高峰期间研究了两种特定的DR场景（见图1）。 4）：①目标DR减少等于聚合DR可用性（即，12 kW），以及②将DR减少量目标为聚合DR可用性的约90%（即，11千瓦）。我们考虑三种不同的CCL模式场景：好的所有客户;差的所有客户;以及好的和差的CCL模式客户的混合随机分布（即，10个这样的场景的平均值通过对源剖面的小时消耗施加随机扰动，同时保持每日能量不变，为每个用户导出了十种不同的负荷剖面这为每个客户创建了一个数据集，这些数据集在统计上独立，但名义上是等效的，模拟了日常的变化。在消费方面平均顺应性比率，S-参见等式（8）-是D P¼（P itth-P it第1页ð7Þ通过对十个不同的负载分配模拟求平均值而得到DP~i<1注意，根据Eq. （3），DP~it是在协商j期间由HEMS代理使用FLC的输出为客户i确认的在时间t的负载减少。谈判一直持续到目标图6示出了在CCL混合模式网络内针对11 kW目标DR请求的协商的演变，其中三角形符号表示在每个协商步骤处针对所有家庭的增加的总需求减少D Pa，并且正方形表示演变的目标DR请求D Pdr。请注意，在第一次谈判之后-我J. Fattahi等人 /工程6（2020）801-811807在一次测试中，许多客户已经确认了他们的减少要求，总共减少5千瓦。然后，该算法将6kW的减少的DR请求寻址到剩余的参与者，并且协商继续。在第五次协商之后，没有看到进一步的进展，因此算法将请求减少10%并且协商继续。这导致遵守情况立即显著增加，但正在进行的谈判不会产生进一步的变化。在十次迭代之后终止协商，并且最终网络符合性被确定为98%。行为类似于CCL混合模式，见图。图7示出了具有CCL好模式的所有住宅和具有CCL差模式的所有住宅的协商响应的比较。总的来说，反应是相似的-他们几乎是平等的初始谈判-但显着分歧是由第四次谈判。在第五次协商之后，DR请求的随后减少缓和了这种分歧，但没有完全消除这种分歧。与我们所有的协商一样，在第六次迭代之后，没有发现明显的合规性改进。最终结果是，仅响应CCL差模式的网络的合规性达到95%，而仅响应CCL好模式的网络的合规性达到完美。针对十个家庭网络上的不同负载需求分布重复上述操作创建了统计上等效的结果的集合，其平均值反映了目标DR请求可以被容纳的概率。所有个别情况下的谈判的演变被发现是相似的。的表3总结了上述所有情况的平均顺应性比率S。即使是最严格的请求，其中DR目标等于网络可用性，无论合规模式如何，合规性都超过90%。对于约占聚合DR可用性90%的目标请求，即使在最坏的情况下，合规性也超过95%，在最好的情况下也是完美的。一致地发现CCL混合模式结果落在好模式和差模式之间的中间，这表明在客户同意合作的程度与目标DR请求被满足的程度之间可能存在线性关系。所有这一切都表明，我们的方法可能能够适应客户的遵守能力甚至更低。在总体上看了DR响应之后，现在让我们更一般地考虑对正在进行的DR请求的个体遵从性。对于我们的十个客户的网络，目的是深入了解名义上独立见图6。CCL混合模式下11 kW目标DR请求的协商演进，具体负载需求在网络中各不相同见图7。针对11 kW的目标DR请求，比较CCL良好和不良模式之间的协商演变，具体负载需求在整个网络中不同。表320 kW总容量的交互能量目标DR请求的功效，12 kW聚合DR可用性，在十个家庭网络的负载需求分布集合上进行评估。DR事件，但具有不断发展的奖励功能。我们特别希望知道，在实际操作条件下，客户的历史依从性如何影响谈判和依从性，以及奖励含义。为此，对于每个DR事件，我们再次随机调整每个客户的测量负载曲线，以创建统计上独立但名义上等效的曲线数据集，这些曲线模拟日常消耗变化。然后，我们针对CCL混合模式下的11 kW目标DR请求重复上述分析（即，对CCL差和CCL好的10个不同组合求平均），在每个DR事件之后更新奖励函数图8示出了对于每个客户，与正在进行的协商的增量依从性。图8（a）给出了第一次DR事件的结果，图8（b）给出了第30次DR事件的结果。客户DR合规性以瓦特为单位通过颜色条表示。首先要注意的是，由于消费率和消费历史的不同，谈判开始时每个客户的要求也不同。（6）.其次，请注意，许多客户通常会在谈判过程的早期锁定其合规性，这在图中通过不同的水平颜色条长度表示。第三，我们看到在谈判过程中，客户的反应有一些变化（增加和减少的反应，目标DR请求（kW）CCL模式实际减少（kW）S（%）12好11.4094.6贫困11.0392.0混合11.2793.911好11.00100.0贫困10.5095.6混合10.8298.3颜色变化），作为Eq. （6）.这种变化促进了更优化的网络响应。最后，比较图。图8（a）和（b）（分别为DR事件#1和#30）揭示了个体依从性的变化，包括所需协商的数量和程度。客户2、3和10参与了一轮或两轮以上的谈判，其DR响应略有增加（约10%），而其他客户实际上没有变化。让我们更具体地考虑个人行为是如何驱动奖励进化的，以及被奖励进化所驱动的。我们考虑三个具有代表性的客户：3、7和10。图9显示了他们的奖励（黑线）如何随着持续的DR而¼808J. Fattahi et al. /工程6（2020）801图8.第八条。CCL混合模式下持续协商的客户合规性演变（a）第一个DR事件，以及（b）最后一个DR事件（#30）。请求（即，事件）：9（a），（c）和（e）显示这是其消费的函数（红线），而图。 9（b）、（d）和（f）表明这是其遵守情况的函数（红线）。还显示了消费和遵守的平均值（绿线）的公司。请注意，事件之间的消耗波动（以及因此的合规性变化）是由用于为每个DR请求生成数据集的负载配置文件的随机扰动引起的;因此，只有总体趋势才有意义。客户3（图（第9（a）和（b）段）是高消费和高遵守的，其趋势远远超出其能力。其奖励实际上是不变的，波动接近基本奖励，r01000。客户7（图9（c）和（d））的消耗略高（约5%），但其顺应性与平均值无区别。它的回报是近2倍的减少。Cus- tomer10（图 9（e）和（f））是低消费，但最初趋向平均值的低顺应性。因此，它的回报呈适度上升的趋势。这些观察结果表明，奖励偏向于保持有意义参与的低消费客户，而反对参与比例相似的高消费客户（即，平均值）。高消费用户必须以高于平均水平的费率参与，以保持奖励均等;否则，随着时间的推移，他们会受到相当大的惩罚。相比之下，低消费用户不会受到负面影响，并将优先受益于他们的合规性增加。这些影响谈判过程的奖励趋势分别通过方程1的消耗系数和顺从系数c1和c2来控制。（5）.我们选择了一个相等的权重来证明什么可以被描述为一个公平的分配过程，没有明显的偏向于消费或遵守。这些系数可以图9.第九条。奖励ri（黑色曲线）随连续DR请求的演变，显示了消费（左列）和合规（右列）行为（红色曲线）;还显示了它们的平均行为（绿色曲线）。（a，b）客户3和（c，d）7属于类别III（高消耗），而（e，f）客户10属于类别I（低消耗）。J. Fattahi等人 /工程6（2020）801-811809调整，其效果是奖励曲线的斜率和方向都可以改变，以促进或惩罚特定的行为。网 络 消 费 多 样 性 通 过 与 各 个 客 户 约 束 （ 即 ， CCL 、 CSR 和DRR）。这种互动是与作为执行减少需求的当地代理人的FLC进行的有界输出是由容量和可用性的固有输入界来保证的，如等式的功能约束内所包含的（6）. 对于有界响应的算法鲁棒性的透明说明可以通过考虑子群体统计（即，负载分布数据集的采样），并验证不确定性随着交互网络（10和50）大小的增加而减小我们认为，对于CCL混合模式（再次对CCL差和CCL好的10种不同组合进行平均），目标DR减少等于总DR利用率。能力我们确定了三种情况下的平均柔度比S，每种情况下都有不同的载荷分布。表4中给出的结果证实了有界输出的预期行为。平均值在很大程度上对参与者的数量不敏感，但不确定性（即，标准偏差）随着网络尺寸的增加而减小，同时在三种情况下保持名义上不变（可能有一个异常值除外）图图10示出了跨下午/晚上需求高峰在CCL混合模式下将11 kWDR请求应用于十户网络之前和之后，交互式协商对总需求趋势的影响。峰值减少22%（从45到35千瓦），需求转移到晚上晚些时候。这种需求转移，使个人HEMS代理，是通过重新安排一个典型的住宅可中断和不可中断负荷的相等权重。 图图11使用峰均比（PAR）[53]提供了DR事件对整个网络的影响的补充视图。显示了每个客户的PAR，包括没有DR请求和有DR请求的客户，以及表4客户合规性统计（CCL混合模式）对网络规模和负载分布抽样的依赖性。图十一岁DR事件前后所有参与者的峰均比（PAR）聚合网络。所有客户都被视为有助于减少需求，最重的用户看到的影响最大。整个网络（所有客户）的PAR降低了14%（从3.42降至2.92）。请注意，PAR是一个对DR事件的即时性不太敏感的指标，因为它是关于平均需求的，因此在某种程度上低估了其影响。7. 结论我们提出了一个DR计划，采用 transactive协商在住宅网络的Transformer级。我们采取了多代理的方法，强调客户的舒适和隐私。TA使用基于事件的优化技术和灵活的奖励机制与客户代理（他们的HEMS代理）协商DR请求。代理通过基于与其舒适度期望相关联的合规性水平（通过模糊规则库表示）减少其消耗来响应DR请求。我们证明了我们的交互式DR方案能够减少22%的高峰需求，这相当于具有标准差的参与者人数S（%）案例一案例二案例三10九十一：0三分之五九十分之五2：5 91：0二比四5091：61：691：01：591：0一比五图10个。对CCL混合模式响应应用11 kW DR请求前后的总需求趋势PAR降低14%结果基于真实客户的匿名智能电表数据。值得注意的是，我们的方案使用IEEE 2030.5 SEP互操作性标准在代理之间传输数据，因此构成了该标准的第一个已知TDR用例。虽然我们在此TDR方案中仅使用了IEEE 2030.5的一部分功能，但我们开发了一个完整的SEP服务器，以确保代理完全符合标准。在这种受限环境下所展示的功效强烈表明，其全部功能（包括分布式能源管理系统和虚拟发电厂控制的聚合，以及市场准入和所有必要的货币化要求）对于选择遵循这种可扩展方法实现智能电网愿景的所有供应商和解决方案提供商来说都是触手可及的。确认这项工作得到了加拿大自然科学和工程委员会（CRDPJ 477238-14）和Hydro Ottawa的部分支持。Hydro Ottawa领导的PanasonicEco-Solutions Canada Inc. (with Tabuchi Electric Company ofAmerica Limited）、Quadra Power Inc.、能源公司，810J. Fattahi等人/工程6（2020）801钍技术公司，IEEE标准协会。作者希望感谢Raed Abdullah（HydroOttawa Limited），遵守道德操守准则Javad Fattahi、Mikhak Samadi、Melike Erol-Kantarci和HenrySchriemer声明他们没有利益冲突或财务冲突需要披露。附录A.补充数据本文的补充数据可以在https://doi.org/10.1016/j.eng.2020.06.005上找到。引用[1] Gellings CW.电力公司需求侧管理的概念。Proc IEEE 1985;73（10）：1468[2] Masoum AS，Deilami S，Moses PS，Masoum MAS，Abu-Siada A.配电网和住宅电网中插电式电动汽车的智能负载管理，可在考虑电压调节的情况下实现调峰和损耗最小化。 IET Gener Transm Distri