计及需求响应的主动配电网短期负荷预测

随着分布式电源、电动汽车及储能等广义需求响应资源的接入,用户在电力市场各种激励影响下进行需求响应,将改变负荷特性并影响负荷预测。根据需求响应计划信号的可预知性及季节性基础负荷的独立性,利用小波分解等方法对主动配电网负荷在不同层面上进行了分解,形成季节性基础负荷和需求响应信号及各种气象因素作用的负荷部分,利用时间序列模型对季节性基础负荷进行预测,利用支持向量回归模型对需求响应信号及气象因素影响的负荷部分进行预测,形成组合预测模型,两部分预测负荷叠加得到总负荷。利用线性时变模型仿真的主动配电网负荷数据算例,进行了预测测试与分析,通过与其他方法相比较,证明了所提方法预测计及需求响应的主动配电网负荷的有效性及精确度。     

自下而上的主动配电网负荷曲线化预测方法

为在主动配电网负荷预测工作中计及柔性负荷的影响,提出了一种自下而上的主动配电网负荷的曲线化预测方法。首先,将待预测区域按用地性质、功能边界划分为若干小区,将每个区域的负荷需求细分为刚性负荷和柔性负荷需求两类;然后,建立可转移负荷和可调整负荷两种柔性负荷的曲线化调控模型,进而模拟主动管理策略下柔性负荷对整体负荷需求的调整作用;最后,将待预测区域的地块负荷进行叠加,得到主动配电网管理模式下的负荷需求曲线。通过北京某开发区负荷曲线预测算例,验证了所提预测模型和方法的有效性。     

负荷聚合商模式下考虑需求响应的超短期负荷预测

为更好地管理用户侧需求响应资源,减小超短期负荷预测误差,提出了一种在负荷聚合商模式下考虑需求响应的超短期负荷预测方法。首先,分析负荷聚合商的需求响应机制,考虑用户用能习惯、自建光伏、储能行为以及电热耦合,分别对每一类需求响应资源建立优化模型,并通过模糊参数表达用户参与需求响应的不确定性,以改善优化模型;调用CPLEX求解器求解得到综合各类资源后的需求响应信号。然后,在考虑历史负荷数据的基础上引入该需求响应信号,建立迭代预测的长短期记忆网络模型。算例通过3种预测场景的对比,验证了计及需求响应信号能够有效减小预测误差,且考虑需求响应不确定性能够进一步提高预测精度。     

需求响应下的电力负荷特性分析

针对需求响应下的电力负荷特性,在介绍需求侧电力负荷分类基础上,研究了需求侧响应下多种影响因素,根据分析结果,分析了负荷预测过程中误差产生的机理及误差组成,将负荷特性分析技术用于缩小负荷预测误差,指出采用负荷特性分析方法拟定的预测网络输入可随预测模型柔性变化,减小预测过程中的总预测误差。     

基于广义需求侧资源聚合的电力系统短期负荷预测模型

需求响应计划的广泛实施对电力系统短期负荷预测将产生一定的影响。为了获得理想的预测精度,需要准确计及需求响应因素的实时变化,并将其融入短期负荷预测模型的构建中。首先提出了一种能够通过电价合同实现的需求响应调度方式,该方式借助负荷聚合商机构实现了广义需求侧资源的最优调度,并能够以需求响应信号的形式提供给系统调度员利用。以此为基础,构建了基于广义需求侧资源聚合的电力系统短期负荷预测模型,将需求响应因素融入到短期负荷预测模型的构建中。仿真结果表明,构建的短期负荷预测模型能够有效弥补传统负荷预测模型的不足,有利于提升模型的预测精度。     

主动配电网短期负荷预测研究

主动配电网通过市场机制来引导群体性的主动需求行为,电网负荷特性随之发生改变,降低了传统负荷预测技术的预测精度。考虑主动配电网在传统负荷的基础上引入响应负荷的计算分析,提出适用于主动配电网的组合预测方法。分析用户响应特性及规律,考虑影响用户响应度的因素并将其线性参数化,建立基于响应度评估模型的响应负荷预测方法;将传统负荷分解成季节性基荷和残差,基荷采用相似日负荷预测技术进行预测,残差利用集成神经网络模型进行预测,建立改进神经网络组合预测模型。利用时变响应模型模拟主动配电网负荷数据集来进行仿真验证,与其他负荷预测技术进行对比,实验结果证明了所提负荷预测方法的有效性。     

中央空调降负荷潜力建模及影响因素分析

空调负荷由于其热惯性,负荷聚合商可在较小影响用户舒适度的前提下,通过需求侧管理手段对其实施有效管理,降低电网高峰负荷。而中央空调相对于传统分体式空调具有控制手段灵活、可控性强、单体功率大等特点,其参与需求响应项目潜力巨大。文中建立了基于直接负荷控制的中央空调集群降负荷潜力模型和指定降负荷容量下中央空调集群运行方式的求解模型。通过仿真算例定量分析了需求响应事件中室内温度设定范围、需求响应事件持续时间、预制冷方式下提前通知时长、需求响应事件前后负荷增长幅度以及室外温度这5个方面的因素对中央空调集群的降负荷潜力的影响规律,为负荷聚合商将中央空调负荷纳入电网调度提供了理论依据。     

基于时空规律的电动汽车负荷建模及其自动需求响应

目前关于电动汽车负荷预测的研究大都未针对实际区域进行预测研究。本文提出将数据驱动与模型驱动相结合进行电动汽车负荷预测,在此基础上,提出了一种自动需求响应策略。首先,通过对滴滴数据进行采集,挖掘获得该区域功能区划分、电动汽车出行时间、空间转移矩阵等再生信息,考虑多日一充,构建了负荷预测模型。其次,以平抑净负荷波动为目标,协同考虑供需两侧效益制定自动需求响应策略,结合价格型、激励型需求响应机制为用户带来的收益,引入logistic函数刻画了用户参与的不确定性。最后以海口某片区为例,仿真结果验证了预测模型能有效针对实际区域进行负荷预测,所提策略能实现供需两侧的双赢,就地消纳新能源,平抑负荷波动。     

考虑主动需求的主动配电网负荷预测

主动配电网的主动需求管理技术(Active Demand,AD)通过市场引导机制来改变用户的典型用电行为,电网负荷特性随之发生改变,降低了传统负荷预测技术的预测精度。针对AD对主动配电网负荷预测的影响,考虑用户响应特性分析影响AD响应负荷的因素,作为负荷预测的外生输入量,然后利用粒子群优化的支持向量机技术在黑盒框架下建立含AD输入的完备负荷预测模型,提出了适用于考虑主动需求的主动配电网负荷预测新方法。基于用户响应行为的现实考虑,建立时变AD模型产生含AD效应的负荷数据集来测试所提出的负荷预测方法。实验结果表明,所提负荷预测模型与不含AD输入的负荷预测模型相比,预测精度更高。     

基于柔性负荷响应特性的超短期预测方法

在自动需求响应系统(ADRS)中,当大量的用电负荷数据被自动实时采集时,受节假日、天气、温度等因素的影响,用户侧负荷用电特性会随着响应策略的变化而发生变化。传统负荷预测方法的预测精度也将会被降低,不再满足ADRS要求。针对这一问题,基于柔性负荷的响应特性,将"预测-调度-响应"各环节视为一个闭环控制系统,把自动响应(AD)信号作为一个输入变量引入系统。基于丰富的负荷用电数据,采用"黑匣子"思想建立了闭环超短期负荷预测模型,并用仿真结果验证了模型的有效性。结果表明,该模型与传统预测模型相比,预测精度明显提高。     

基于条件生成对抗网络的短期负荷预测

精准的短期负荷预测对电力系统制定合理生产计划、提高经济效益、保证电网安全运行具有重要意义.为学习非线性负荷数据中隐含的深层关系,提高短期负荷预测精度,文中提出一种基于条件生成对抗网络的短期负荷预测模型.所提模型使用卷积神经网络构建生成模型和判别模型,以负荷影响因素作为条件,并引入特征损失函数作为判别模型部分隐藏层的损失函数.然后,通过条件生成对抗网络的博弈训练,使生成模型以负荷影响因素为条件生成预测负荷数据,从而进行短期负荷预测.最后,以美国某地区3年的负荷作为实际算例,对比所提模型与其他模型的预测结果,验证了所提模型在兼顾泛化能力的同时可以提高短期负荷的预测精度.     

家庭集聚需求侧响应策略分析

在智能用电的背景下,家庭用户可通过参加电力需求响应促进电力系统的安全稳定和经济运行,并获得额外收益,因此,文中提出了一种家庭集聚需求侧响应策略。首先,提出家庭集群化的理念,将居民家庭聚合为社区进行管理,并设计居民侧的响应机制。其次,考虑需求响应时的居民用电习惯与影响因素,构建家庭用电的可响应负荷函数,对家庭的需求侧响应潜力进行量化。在此基础上,设计了兼顾完成度和用户体验的家庭需求响应策略。最后,提出评价响应策略的三个具体指标：任务完成率、用户不适度和经济效益,并用算例验证了所提策略的有效性和经济性。     

考虑关联因素的智能化中长期电力负荷预测方法

为了解决现有中长期负荷预测方法中存在的预测精度欠优及场景适用性较差等问题,提出一种考虑影响因素协调关系及滞后效应的新型中长期负荷预测方法。首先通过关联矩阵筛选得到影响负荷变化的强相关因素,结合计量学的X-12-ARIMA模型对负荷及其影响因素进行季节分解,得到3个特征分解部分。在此基础上,通过时滞效应检验确定滞后期数,结合主成分分析法去除数据噪声影响,进一步提升数据纯度。最后针对月度和季度负荷进行预测算例分析,通过比对其他时序外推方法的预测结果和非线性模型方法应用后的精度提升,验证了所提方法的有效性和适用性。     

计及需求侧资源作用的负荷预测模型及应用

智能电网的发展与应用,智能表计装置安装比例的增大,为从需求侧优化用户用电负荷提供了可能,但同时也对已有的负荷预测模型提出了新的问题.提出了一种考虑需求侧资源（DSR）作用的负荷预测模型,该模型能够定量计算DSR对负荷预测的影响及节电效果.通过某110 kV变电站供电区域负荷预测分析,验证了模型的可靠性,为当前电网规划的负荷预测工作提供了有效的工具.     

电力系统多级负荷预测及其协调问题:（一）研究框架

基于对传统负荷预测中总需求与各子需求预测结果的不均衡现象的深入分析,揭示了电力系统负荷预测问题所具有的"多维多级"特点。在此基础上,提出了电力系统中多级负荷预测协调的科学问题,阐明了多级负荷预测和多级负荷预测协调的新理念。进一步分析了负荷预测模型的"量测"特性,并将多级预测协调与状态估计进行了类比,阐明了多级预测协调的理论基础。文中还探讨了多级负荷预测协调问题的类别及其各自的特点,提出了基本协调和关联协调模式,由此建立了多级预测协调问题的理论研究框架。希望该研究能够丰富和发展负荷预测理论,为广大预测人员提供一些参考。     

A fuzzy chance-constrained program for unit commitment problem considering demand response,electric vehicle and wind power

As a form of renewable and low-carbon energy resource, wind power is anticipated to play an essential role in the future energy structure. Whereas, its features of time mismatch with power demand and uncertainty pose barriers for the power system to utilize it effectively. Hence, a novel unit commitment model is proposed in this paper considering demand response and electric vehicles, which can promote the exploitation of wind power. On the one hand, demand response and electric vehicles have the feasibility to change the load demand curve to solve the mismatch problem. On the other hand, they can serve as reserve for wind power. To deal with the unit commitment problem, authors use a fuzzy chance-constrained program that takes into account the wind power forecasting errors. The numerical study shows that the model can promote the utilization of wind power evidently, making the power system operation more eco-friendly and economical.     

基于负荷细分的差异化用户基线负荷预测

电力用户基线负荷(CBL)预测精度会极大影响需求响应效果的评估。本文基于负荷细分,考虑多维用电行为及其影响因素,通过精细化用户用电行为特征,提出一种考虑用户用电模式差异化的基线负荷预测方法。首先采用Ward-模糊C均值(FCM)聚类法,并结合负荷特性指标,改善用户负荷曲线聚类分析的效果;然后,分析气象、时间等多维影响因素,建立考虑温湿度和气温累积效应等城市微气象因素及节假日社会行为因素的差异化用电行为分析模型,提出温度敏感型、节假日敏感型以及两者均不敏感的精细化用电模式;最后,提出不同用电模式的CBL预测方法,建立综合评估方法分析其预测准确度。算例结果表明,所提算法能进一步提高CBL预测精度。