引言

随着双碳目标的推进，越来越多的风能、太阳能等可再生能源进入到电力系统中。可再生能源具备的不确定性和随机性严重影响了电力系统运行的安全性。国家电网采用了提升用户互动与服务质量的方式来解决电网供需不平衡的问题。充分结合用户的电力负荷需求情况来进行电力供应，实现国家电网的精细化运行。为了更好地实现对用户电力负荷响应潜力进行准确的评估，本文采用了基于模糊粗糙数的熵-SWARA-MABAC模型来实现电力用户负荷响应潜力评估，并结合用户负荷响应潜力来对电网进行优化调整，全面提升电网运行的安全性，推动国家电网朝着精细化方面发展。

1、电力用户负荷响应指标体系建立

本文所述的模糊粗糙环境下电力用户响应潜力评估模型的指标体系构建过程中，充分结合了电力用户的响应情况，从经济性、用户特性、负荷特性以及信息特性4个方面来进行评估指标体系的建立。首先是经济性指标，该指标包括用户响应经济损失和用户社会效益两个方面。用户响应经济损失是指电力用户负荷响应过程中会因为生产规模不同等情况导致经济损失存在一定的差异；用户社会效益是指用户通过电力进行生产所产生的社会效益，如果用户的用电规模较大，则其社会效益相对更大，能够对社会产生一定的影响，从而对其负荷响应能力产生一定的影响。其次是用户特性。用户特性主要包括错时潜力、避峰潜力、轮休潜力以及用户响应意愿等方面。其中错时潜力是指用户在电力使用过程中错峰用电的能力，具体表现为用户电力使用过程中错时负荷的大小。避峰潜力是指用户中断负荷、负荷波动率和避峰成本组成，一般情况下，如果用户的中断负荷占比越高，表示该用户的避峰潜力越高。轮休潜力是指用户通过轮休方式来降低用电负荷的能力，用户的轮休潜力需要通过轮休负荷、轮休负荷下降率以及轮休成本三个因素来决定。用户响应意愿是指用户在电力负荷使用过程中相应错时、避峰以及轮休用电的意愿情况，直接影响用户的负荷响应能力。第三是负荷特性。主要包括用户负荷重要性和响应容量两个方面的内容。用户负荷重要性是指用户的用电负荷重要程度，如果用户负荷重要性较高，发生断电就会产生较大的政治或者经济损失，所以在供电过程中需要保证高重要性用户的供电可靠性。用户响应容量是指用户在负荷响应中可以参与响应的负荷容量大小，负荷容量越大则复合响应潜力越高。最后是信息特性。信息特性主要包括时效性、响应准确性、信息完整性。时效性是指电力公司采用SCADA系统进行用户负荷采集以及用户收到负荷响应指令的实时性，如果用户的时效性越好，则用户可以具有更加充分的调整时间，具有更高的响应潜力。响应准确性是指用户在负荷响应过程中的精准程度。信息完整性是指用户负荷响应信息的完整性，如果用户负荷响应信息存在缺失情况，就会导致负荷响应存在影响。

2、电力用户负荷响应指标权重的确定

本文基于模糊粗糙环境下电力用户负荷响应评估模型所确定的经济性、用户特性、负荷特性以及信息特性等指标在电力用户负荷响应评估中所占据的权重是不相同的，所以需要进一步对各项指标的权重进行确定。本文采用了基于模糊粗糙熵权法和模糊粗糙SWARA方法来进行指标权重的确定,电力用户负荷响应潜力评估过程中需要充分考虑指标数据的私密性和不确定性，所以需要将评估用户设置为，将评估指标设置为，并通过专家组成的决策层来进行电力用户负荷潜力响应的评估。采用的语义信息如表1所示。

表1 评估方案语义变量和模糊标度表

首先，基于模糊粗糙熵权法确定各项指标的客观权重。这个过程中需要采用模糊粗糙数理念来实现群体三角模糊信息的转化，进行模糊粗糙决策矩阵的构建，就可以对第j个指标的平均估值进行计算，实现对第j个指标的熵测度和客观权重的确定。

其次，基于模糊粗糙SWARA的主观权重。基于模糊粗糙SWARA的主观权重是采用专家语义术语方式来对各项指标的重要程度进行确定，专家语义术语变量如表2所示。这样就可以采用三角模糊评估信息来表示第j个指标群体，并结合模糊粗糙理论将三角模糊评估信息转化为模糊粗糙数，并对模糊粗糙数进行清晰化处理得到模糊粗糙数的清晰值，然后采用降序排序方式来进行的处理。降序排序处理过程中，从第二个指标开始对第j个指标与前一个指标之间的差值进行计算，从而就可以得到每个指标的相对重要性，如公式（1）所示。这样就可以对评估指标的相对系数进行确定，当j=1时，评估指标相对系数为，当j＞1时，评估指标相对系数为，并对指标修正权重值进行确定，当j=1时，指标修正权值，当j＞1时，指标修正权值，最终就可以得到指标的主观权重，如式（2）所示。

表2 专家语义术语变量对应的模糊标度表

     （1）

         （2）

最后，充分结合指标的客观权重和主观权重，就可以对指标的总和权重进行确定，如公式（3）。

       （3）

3、基于模糊粗糙MABAC的负荷响应潜力评估

采用传统的多属性决策方式来进行模糊粗糙集的计算，会导致计算结果存在稳定性偏低的情况，无法有效满足电力用户负荷响应潜力的分析。所以本文采用了模糊粗糙MABAC方式来进行计算，不仅可以确保计算结果的稳定性，还能更好地考虑潜在的损失情况和增益情况。

首先进行模糊粗糙决策矩阵的构建。本文构建的模糊粗糙决策矩阵为，并将表示为，这样就可以通过来分别表示模糊粗糙数的上下近似上中下边界元素，通过归一化方法进行模糊粗糙决策矩阵的处理就可以得到，从而得到加权模糊粗糙决策矩阵，这样就可以构建出模糊粗糙边界近似区域的矩阵，同时可以采用来对进行表示。最终将方案的最终评估值表示为公式（4）。

      （4）

最后采用去模糊化和去粗糙化处理方法就可以将最终评估值的清晰值表示为，从而实现对电力用户的负荷响应潜力进行评估。

4、基于模糊粗糙环境下电力用户负荷响应潜力分析

本次研究采用随机方式分别从石油化工行业、学校、电子行业、冶金行业、交通行业以及物流行业选择1个电力用户，并将这些电力用户表示为，采用基于模糊粗糙环境下电力用户负荷响应潜力评估分析。

首先，充分结合前文所述的评估语义和对应的模糊标度来采用4名专家对11个指标所表示的性能进行评估，结果如表3所示。充分结合对应的语义变量模糊标度就可以通过量化处理方式进行三角模糊数的转化，根据模糊出差数理论来实现模糊粗糙变量的转化最终得到每个指标的熵测度和客观权重。

表3 6个电力用户方案针对每个指标的语义评估信息表

然后，采用SWARA 方法，就可以根据上述主观权重评估方式来通过4名专家对各项指标的重要程度进行评估，结合三角模糊数来进行模糊粗糙数的转化，以去模糊化和去粗糙化来得到模糊粗糙数的清晰值，如表4所示。

表4 指标权重语义评估和集成模糊粗糙信息表

最后对指标进行降序排序处理，就可以得到每个指标的重要性、系数值、修正权重以及最终的主观重要性。充分结合客观权重就可以得到各个指标的综合权重。最后通过基于模糊粗糙MABAC的负荷响应潜力评估就可以得到各个电力用户的评估值：A2=-0.0184＞A4=-0.0245＞A1=0.0418＞A6=0.1388＞A3=0.2025＞A5=0.6519。充分结合实际情况可以知道A1~A6分别表示石油化工行业、学校、电子行业、冶金行业、交通行业以及物流行业，可以发现采用模糊粗糙环境下电力用户负荷潜力分析评估结果与实际情况具有较高的匹配度，所以采用该方式可以有效实现用户荷载潜力评估。

结语

综上所述，本文基于模糊粗糙数的熵-SWARA-MABAC模型来对电力用户负荷响应潜力进行了评估，并对模型的变量指标的确定、指标权重的确定以及基于模糊粗糙MABAC的负荷响应潜力评估方式进行了全面的分析，并以实际案例来对该模型的用户负荷评估实际情况进行全面说明，结果表明采用该模型进行电力用户负荷响应潜力评估具有较高的准确性，能够有效满足国家电网精细化发展需求，更好地进行电力供应。

参考文献

[1] 郭朝波,张溢波,张宏炯,等. 粗糙模糊环境下电力用户负荷响应潜力评估[J]. 中国电力,2023,56(11):134-142. DOI:10.11930/j.issn.1004-9649.202212066.

[2] 国网北京市电力公司，国家电网有限公司. 模糊粗糙环境下电力用户负荷响应潜力评估方法及系统:CN202211516958.7[P]. 2023-02-24.

[3] 山东科技大学. 一种基于概率基线负荷的电力用户需求响应潜力评估方法:CN202310391188.6[P]. 2023-07-25.

[4] 陈启鑫,吕睿可,郭鸿业,等. 面向需求响应的电力用户行为建模:研究现状与应用[J]. 电力自动化设备,2023,43(10):23-37. DOI:10.16081/j.epae.202308026.

[5] 何俊,傅广努,黄海涛. 多重响应潜力影响因素作用下的变频空调负荷调控方案[J]. 现代电力,2023,40(4):495-504. DOI:10.19725/j.cnki.1007-2322.2021.0362.

[6] 王樊云,刘敏,李庆生,等. 新型电力系统下电力用户的需求响应潜力评估[J]. 电测与仪表,2023,60(8):105-113,132. DOI:10.19753/j.issn1001-1390.2023.08.018.