(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111227833.8 (22)申请日 2021.10.21 (71)申请人 国网河南省电力公司经济技 术研究 院 地址 450000 河南省郑州市二七区嵩 山南 路87号院办公区C楼1-10层 申请人 北京恒华伟业科技股份有限公司 (72)发明人 卜飞飞　白宏坤　王圆圆　韩丁　 华远鹏　王涵　贾一博　袁建平　 辛玉华　 (74)专利代理 机构 郑州图钉专利代理事务所 (特殊普通 合伙) 41164 代理人 石路 (51)Int.Cl. G06Q 10/06(2012.01)G06F 30/27(2020.01) G06F 16/27(2019.01) G06Q 50/06(2012.01) (54)发明名称 一种需求侧响应用户集选择 策略 (57)摘要 本发明涉及一种需求侧响应用户集选择策 略， 包括如下步骤： 基于优先权机制， 构建需求侧 响应饱和用户竞争模型， 构建需求响应中心的补 贴费用加权模 型， 对需求响应中心的补贴费用加 权模型进行优化， 基于区块链技术， 对需求侧响 应用户自动筛选和补贴结算。 本发 明能够择优选 择响应用户， 进而提高用户实施约定响应的履约 积极性， 同时能自动结算补贴费用， 缩短补贴费 用发放周期， 提高效率。 权利要求书2页 说明书8页 附图4页 CN 113888015 A 2022.01.04 CN 113888015 A 1.一种需求侧响应用户集选择 策略， 其特 征在于， 包括如下步骤： S1： 基于优先权 机制， 构建需求侧响应饱和用户竞争模型； S2： 构建需求响应中心的补贴费用加权模型； S3： 对需求响应中心的补贴费用加权模型进行优化； S4： 基于区块链技 术， 对需求侧响应用户自动筛 选和补贴结算。 2.根据权利要求1所述的一种需求侧响应用户集选择策略， 其特征在于， 所述步骤S1 中， 构建需求侧响应饱和用户竞争模型 具体为： 所述需求侧响应饱和用户竞争模型采用优先权机制表示， 优先权由用户履约情况表 示， 即采用 用户履约率对用户响应执 行效果进行量 化， 履约概 率 λi表示如下： 其中， Titotal为用户i历史参与需求响应的次数， Tivalid为用户i参与需求响应确认有效 的次数， 即实际响应量大于等于申报响应量80％的次数。 3.根据权利要求2所述的一种需求侧响应用户集选择策略， 其特征在于， 所述步骤S2具 体为： 在用户饱和情况 下， 第i个用户参与需求侧响应时， 其补贴费用加权表示如下： 其中， pi为约定响应用户i的报价， 因此， 补贴费用加权表示 为： 其中， xi∈{0,1} Numi∈{0,1,2} 上式中， xi是选择因子， 用来表征用户i是否被选择来执行需求侧响应， 当xi＝0时， 表示 需求响应中心不选择用户i执行 需求侧响应， 当xi＝1时， 表示需求响应中心选择用户i执行 需求侧响应， ci为用户i申报响应 容量， c为总的需求响应 量， Numi为第i个用户单日约定响应 次数， 为第i个用户单日响应总时长 。 4.根据权利要求1所述的一种需求侧响应用户集选择策略， 其特征在于： 所述步骤S3权　利　要　求　书 1/2 页 2 CN 113888015 A 2中， 采用BP SO算法对需求响应中心的补贴费用加权模型进行优化。 5.根据权利要求3所述的一种需求侧响应用户集选择策略， 其特征在于： 所述步骤S3 中， 对需求响应中心的补贴费用加权模型进行优化， 具体为对补贴费用加权中的选择因子 进行优化。 6.根据权利要求5所述的一种需求侧响应用户集选择策略， 其特征在于， 所述对补 贴费 用加权中的选择因子进行优化， 包括如下步骤： S3‑1： 初始化粒子群， 具体如下： 随机生成一组由0、 1元素组成的M ×N的矩阵， 作 为粒子的初始位置， 其中M为种群数， 即 粒子个数， 每一个粒子对应一组解 集， N为维度， 即每 个粒子的决策变量个数， S3‑2： 随机生成每一个粒子的初始速度， 通过 下式随机生成： v1＝‑vmax+2*vmax.*rand() 式中， Vmax为最大速度， rand()为区间[0,1]的随机数， S3‑3： 利用BP SO算法， 对粒子 速度进行 更新， 其更新公式如下表示： vi＝ωi·vi+c1·rand()·(pBesti‑xi)+c2·rand()·(gBesti‑xi) 式中， Vi为第i次迭代粒子的速度， c1， c2为常数， pBesti为个体最优粒子位置， gBesti为 全局最优粒子位置， xi表示第i次迭代粒子的位置， 用来做选择因子， S3‑4： 根据线性 递减权值策略， 得 出第i次迭代的惯性权 重ωi， ωi表示如下： ωi＝ωmax‑((ωmax‑ωmin)./G).*gi 其中， ωmax为最大惯性权重， 即设置的初始惯性权重值， ωmin为最小惯性权重， 即为设 置的最终惯性权 重值， G为 最大迭代次数， gi表示当前迭代次数， S3‑5： 利用si gmoid函数， 根据粒子的速度， 对该粒子的位置进行更新， 该粒子的位置是 由sigmoid函数生成的[0,1]区间的数， 表示如下： 将s(vi)与区间[ 0,1]生成的随机数rand()进 行比较， 当s(vi)大于等于rand()时， 当前 位置发生改变， 即若当前位置为0， 则变化为1， 若为1， 则变化为0， 当s(vi)小于rand()时， 当 前位置不发生改变， 即若当前位置为1则为1， 当前位置为0则为0， 具体表示如下： 7.根据权利要求1所述的一种需求侧响应用户集选择策略， 其特征在于， 所述步骤S4具 体为： 将需求响应中心的补贴费用加权模型提前写入区块链的智能合约中， 当需求响应被 触发后， 自动执行用户筛选操作， 并通知给用户， 在完成响应任务后， 将 需求响应结果通知 给用户确认， 确认无误后， 自动结算补贴费用， 并更新用户履约情况， 对交易数据存证上链。权　利　要　求　书 2/2 页 3 CN 113888015 A 3