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。     

基于贝叶斯推断的用户偏好学习与响应优化

灵活性负荷聚合商通过需求侧响应整合用户侧资源参与电力市场,提高系统可靠性和经济性并获得收益。但用户对用电方式和成本的偏好将对其响应电量带来不确定性,进而影响聚合商的电量申报精度和市场收益。文中将参与需求响应的负荷资源作为广义需求侧资源,构建用户响应偏好模型。进而利用贝叶斯推断对用户偏好进行学习,获得响应电量的概率性估计,生成最优响应计划。最后,建立基于偏差电量考核的聚合商市场收益模型,采用美国PJM市场用户报价及典型日交易数据进行算例仿真。仿真结果验证了贝叶斯推断对用户偏好学习的有效性,以及考虑用户响应偏好的广义需求侧资源响应优化的经济性。     

基于集成LSTM模型的数据驱动需求预测

电力用户参与电网调度能够有效提升电网灵活性,但其不确定性限制了需求响应服务的发展。针对此问题,本文首先构建了激励型需求响应的实现框架,阐述了负荷聚合商如何整合需求侧资源参与电力市场业务,并将用户随激励政策进行响应的行为转换为需求弹性。然后,考虑预测模型最终需实现在线应用,本文基于长短时记忆(Long short-term memory, LSTM)算法,提出一种集成LSTM的数据驱动的需求弹性预测方法,同时为提升预测模型性能,对源数据进行了平滑与缩放处理,并增加了损失函数权重系数。算例结果表明,与传统LSTM算法及k邻近预测方法相比,本文所提预测方法用于用户需求弹性时平均预测误差分别降低了5.33%、28.8%,用于总负荷预测时平均绝对百分比误差分别降低了2.06%、3.09%。同时为验证数据预处理对预测精度的影响,本文基于集成LSTM分析了平滑、缩放预处理数据预处理对于提升预测精度的影响,结果表明对原始数据进行预处理可有效提升预测精度。     

基于主从博弈的负荷聚合商日前市场最优定价策略

负荷聚合商通过需求响应整合用户侧资源,并由此向电网提供负荷平抑服务以获得收益。因此,聚合商的响应定价策略和用户响应偏好直接影响用户响应精度,进而影响聚合商市场收益。文中将参与需求响应的负荷资源作为广义需求侧资源,提出基于价格激励的需求响应机制,建立考虑用户偏好的用户效用模型和聚合商收益模型。进而,以用户和聚合商两者利益最大化为目标构建主从博弈模型,求解模型获得聚合商最优补偿定价策略,分析用户用电弹性以优化用户响应。最后,采用美国PJM市场数据进行算例仿真,结果表明基于主从博弈的最优定价策略能够充分考虑用户响应偏好差异,有效降低用户综合成本,通过平抑负荷波动提高聚合商市场收益。     

分时电价下考虑储能调度因素的短期负荷预测模型

影响电力系统短期负荷预测的因素有多种,因此在进行短期负荷预测时,考虑的因素种类越多,预测的精度越高。在考虑环境因素的基础上,构建分时电价下考虑储能调度因素的改进鲸鱼算法优化Elman神经网络模型。在智能电网下,由于储能调度能够使传统的负荷曲线发生改变,首先在基于分时电价的基础上构建储能调度模型,对储能用户在各时段的充放电行为进行具体分析。然后由于Elman神经网络具有收敛速度慢、容易陷入局部最优等缺点,提出了一种改进的鲸鱼算法(MWOA)用于优化神经网络的权值和阈值,进一步提高了神经网络的收敛速度和全局寻优能力。最后构建考虑储能调度因素的短期负荷预测模型,通过对某地电网2018年7月至8月的数据为例进行仿真分析,并与所提到的其他预测模型进行比较。通过误差结果分析可知所提方法的预测精度更高,收敛速度更快。     

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。     

面向调度考虑不可控广义需求侧响应资源的负荷预测

面向调度提出一种考虑不可控广义需求侧响应资源的负荷预测方法。首先,将不可控广义需求侧响应资源根据一定的特征分成两类:第一类是完全不可控的基于电价信息的用户自主调整用电方式的需求侧响应负荷;第二类是电能服务商可控的储能系统和分布式电源。然后,针对第一类响应资源采用基于弹性矩阵的响应模型,分析其对负荷预测精度的影响;针对第二类响应资源,以储能系统套利和分布式电源上网费用和最大为目标,以储能充放电对象和分布式电源出力对象等为约束条件,建立数学模型,制定运行策略,进而分析其对负荷预测的影响。最后,用某地区配电系统进行分析,验证了所提方法的有效性和正确性。     

面向主动响应和售电市场的主动配电系统负荷预测

随着配电系统广义需求响应资源增多和售电侧市场逐步开放,电网负荷需求和负荷特性随之发生变化,影响了传统负荷预测方法的预测精度。分析了影响用户差异性响应的各因素,提出主动配电系统分层分区结构下计及主动响应与售电市场影响的负荷精细化预测方法;基于精确识别用户响应模式的响应弹性矩阵,建立了经遗传算法优化的响应弹性矩阵负荷预测模型;通过算例计算,验证所提预测方法的有效性,并分析了影响预测精度的模型指标及高精度预测的指标参数取值方法。     

考虑需求响应综合影响因素的RBF-NN短期负荷预测模型

为提高计及需求响应的短期负荷预测精度,通过量化电价、用户响应程度以及温度等外界因素,构建了考虑需求响应综合影响因素的径向基函数神经网络(radial basis function-neural network,RBF-NN)短期负荷预测模型。结合峰谷分时电价(time-of-use price,TOU price),根据消费者心理学原理描述了基于Logistic函数的用户模糊需求响应机理,用于有效辨识用户对峰谷电价的响应参数。利用半梯形隶属度函数消除用户响应模糊属性,将需求响应精确量化结果引入RBF-NN预测模型。通过实际算例,分析了该文构建模型在不同电价机制下的预测性能,证明了在RBF-NN模型中综合考虑电价、用户响应度等因素的重要性,为计及需求响应的短期负荷预测研究提供了一定的理论依据。     

需求响应分段参与的多时间尺度源荷协调调度策略

需求侧主动参与调度能够减轻电源侧发电压力,提高系统消纳新能源能力。如何充分发挥负荷侧调度潜力,合理利用需求响应成为目前需要研究的问题。提出了一种考虑需求响应分段参与的多时间尺度源荷协调调度策略。首先基于不同负荷在响应特性和响应时长的差异,将需求响应负荷分为4类,再将一天24 h分成不同的参与时段,通过负荷代理分段参与电网的调度并构建负荷响应模型。然后,构建"日前-日内2 h-日内15 min"的多时间尺度调度模型,对源荷资源进行协调调度。最后在改进的10机系统中进行了仿真验证。结果表明所提策略能更大限度发挥负荷侧潜力,提高电力系统调度运行的经济性,增强系统消纳风电能力,减少弃风。     

考虑多重因素的空调负荷聚合响应潜力评估及控制策略研究

空调负荷已成为电力系统重要的需求响应资源,但由于其类型差异性、接入分散性,造成调度中心难以直接获取其聚合功率并开展调度控制,限制了响应潜力发挥。对此,提出考虑空调负荷聚合响应潜力多类型资源协同调度与精准控制相结合的双层调控框架。在日前调度层,基于近似聚合模型获取空调负荷聚合功率,考虑用户热舒适度、意愿度及可控度等多重因素,建立空调负荷聚合响应潜力评估模型,获取其聚合响应潜力,并结合基础柔性负荷响应特性建立联合调度模型,充分挖掘负荷侧多类型资源参与系统调节的潜力;在日内控制层,针对执行降负荷调温控制策略中空调群组功率跌落现象,为引导其有序参与电网需求响应,建立变状态数的状态队列模型,并引入准备时间对参数异质空调集群进行分组控制,使空调负荷跟随调度计划,提升控制精度,缓解功率跌落对系统运行产生的影响。最后,通过某简化配网系统进行仿真分析,结果表明:所提双层调控框架在调度层可深度挖掘并引导利用空调负荷响应潜力,在控制层实现精准控制并削弱功率跌落负面影响,工程应用价值显著。     

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。     

基于非合作博弈的居民负荷分层调度模型

为促进居民用户柔性负荷资源有效参与需求响应,可以利用负荷聚合商来聚合用户负荷资源参与电网调度。通过将居民用户的柔性负荷进行分类,建立电网公司、负荷聚合商和居民用户的分层调度模型。在日前投标环节,构建了以聚合商利润最大化为目标的日前投标博弈模型,利用非合作博弈思想对聚合商在日前投标市场进行分析,并给出了博弈纳什均衡解的存在性证明;在实时调度环节,聚合商以分类柔性负荷各自用电物理特性作为约束条件,以实时调度和日前投标量之间的偏差最小作为目标函数对用户分类柔性负荷进行实时调度,使得在不影响用户舒适度情况下提高聚合商的利润。算例仿真分析结果表明,所建立的分层调度模型可有效实现居民负荷的需求响应,并使得电网公司、负荷聚合商和用户三方均受益。     

基于即时学习算法的短期负荷预测方法

针对电力系统短期负荷数据存在非线性和时变性等问题,提出了一种变量相关性局部即时学习算法和最小二乘支持向量机(LSSVM)的电力系统短期负荷预测模型。利用互信息计算气象数据、各气象因素等变量的相关度,并引入到即时学习算法训练集中,用以选择当前电力系统负荷的建模邻域,提高系统短期负荷模型预测的精度。利用相似度阈值对局部模型进行自适应更新,增强系统负荷模型实时性。利用Matlab对某市宛城区的负荷量进行预测,结果表明,基于即时学习算法的电力系统短期负荷预测模型误差更小,系统预测精度更高。     

需求侧灵活性资源参与调频辅助服务的备用优化与实时调度

需求侧资源有潜力通过其灵活性缓和系统的短期功率不平衡,但也会面临用电不确定性的挑战。文中面向用户侧用电不确定性及调频备用需求,以含电动汽车、温控负荷的聚合商为例,建立了参与调频辅助服务的备用优化与实时调度模型。在日前市场上报阶段,基于电量空间对实时运行的风险成本进行评估,实现能量和备用联合优化;在实时控制阶段,基于电量空间对各个用电方进行功率分配,满足用电需求的同时,提高聚合商响应系统功率调整的能力。仿真分析验证了将不同负荷聚合进行联合调度的可行性,以及聚合负荷在功率互支撑、提高总体运行效率方面的作用。     

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.     

基于时间分解技术的中远期逐时负荷预测模型

中远期电力负荷预测对于引导电网规划建设和提升电力系统资源优化配置具有重要意义。为解决当前中远期负荷预测时间尺度过大、预测精度有限的问题,利用时间分解技术,对电力负荷的长期趋势与短期特征分别进行建模分析,从而提出一种新型预测方法,将中远期负荷预测的时间尺度缩短至小时,实现中远期逐时负荷预测。算例分析表明,所建模型在中远期逐时负荷预测方面的性能优于现有的同类模型,具有较高的全局精度和稳定性。同时,能够有效呈现电力负荷的概率密度特征和极值特性,有望为中远期电力规划提供参考。     

面向主动需求响应的需求侧荷源二重性建模方法

以面向主动需求响应的荷源二重性建模方法为主题,从需求侧灵活性资源参与电网调度的视角分析了国内外在荷源二重性建模方面的研究成果,按照研究对象划分,负荷跟随电源（load-follows-generation, LFG）模型分为一般负荷、储能设备、分布式能源及其组合,对负荷响应建模、优化目标、约束条件、调度方法、控制方式等进行阐述,阐述了负荷跟随发电的模式能够实现主动需求响应,优化负荷曲线,缓解发电侧调度压力,促进可再生能源消纳。