耦合聚类基线及舒适度的居民负荷需求响应评估方法

空调负荷虽然是参与需求响应的主力,但由于其所具有的高度分散特性导致需求响应能力很难被发现。建立了空调负荷的TCLs近似聚合功率模型;提出了基于温度设定值调整的TCLs负荷控制方法,结合用户舒适度的影响,分析调节特性,并通过考虑温度特征聚类的改进匹配日基线算法,对TCLs响应潜力进行评估。通过陕西某小区的实际数据来仿真不同温度调整量、不同典型日时间尺度下该小区的响应潜力,验证了所提模型和潜力评估方法的有效性。     

陕西电网夏季降温负荷与温度相关性研究

以2011—2017年陕西电网8760负荷数据及气象数据为基础,结合陕西电网年、日用电负荷特性,科学合理选取春（秋）工作日、休息日作为基准计算负荷,利用线性和非线性回归分析方法对夏季降温负荷与气温之间的关系进行定性定量分析研究,在此基础上进一步划分温度区间,并对降温负荷展开分析,得出陕西电网夏季降温负荷与气温变化之间的幅值增减函数关系,对于后续基于空调负荷开展用电需求分析预测的研究具有重要意义。     

分时电价下大用户概率响应建模研究

在大用户响应电价特性的基础上,提出了基于用电特性的大用户负荷聚类方法。将大用户的需求响应模型分成负荷基准分量部分和负荷响应分量部分,利用多变量时间序列重构的短期负荷预测方法得到用户的负荷基准分量,在需求价格理论的基础上利用响应实际数据获得单体大用户响应分时电价的负荷概率模型。利用matlab对南京地区实际数据进行仿真模拟,算例表明,该模型能够很好的反映大用户的响应分时电价的情形,为分时电价的制定策略提供科学依据。     

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。     

基于城市居民峰谷电价响应特性的超短期负荷预测研究

由于峰谷电价的逐步实施,电价对用户负荷特性的影响也逐渐凸显,而当前进行负荷预测时,未考虑峰谷电价变化影响,电价变化点附近的负荷预测精度相对较低。采用电价变化点负荷增长率作为描述居民峰谷电价响应特性指标,研究了城市居民峰谷电价响应特性,并进一步分析了负荷增长率的时域特性。在此基础上,用负荷增长率修正人工神经网络预测模型来考虑峰谷电价的影响作用,对响应峰谷电价敏感的时段进行了超短期负荷预测。研究结果表明,用电价变化点负荷增长率考虑峰谷电价影响可以提高电价变化后超短期负荷预测的精度。     

基于大数据平台的居民负荷变尺度画像技术实现与应用

传统的负荷曲线描述方法难以全面描述负荷变化特征。文章尝试采用用户画像技术进行居民负荷多尺度立体化的用电特性研究。首先,基于大数据平台中的可用数据资源,建立了表征居民负荷用电特性的标签体系。为了快速高效地获取各类典型用户特征,应用标签体系,在大数据平台支撑下,应用分布式聚类算法对海量居民用户用电数据进行聚类分析。最后,针对每类用户,文章绘制了四季的典型日和典型月负荷曲线以及年持续负荷曲线并进行了对比,同时分析了每类用户的负荷波动率和需求响应水平,以构建包含用户的用电时序规律和用电弹性特征的变时间尺度用户画像。分析结果能够可视化地描述居民负荷的时间分布特性及用户用电特性,可为合理制定电价套餐及优化用电模式提供参考。     

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。     

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。     

一种改进的小波-卡尔曼配电网短期负荷预测方法

为了解决已有的基于小波-卡尔曼滤波的短期负荷预测方法由于未考虑温度积累效应而在温度变化较大时预测误差偏大的问题,提出了一种改进方法:将日负荷表示为日平均负荷与波动部分的乘积,对日平均负荷和波动部分分别进行预测。提出了一种利用人工神经网络预测平均负荷的新方法:将日平均负荷表示为温度敏感分量与平稳的温度不敏感分量之和。温度不敏感分量根据温度不敏感季节同时期的若干负荷数据统计得出。根据前若干天的温度敏感分量值、温度信息以及预测日的温度信息,采用BP网络构成的负荷预测器,得出预测日的温度敏感分量的预测值。对于波动部分沿用基本的小波-卡尔曼滤波的方法,在对波动部分进行多分辨分析的基础上,将小波系数作为状态变量,利用卡尔曼滤波算法得出波动部分的预测值。实例分析表明,提出的改进方法显著提高了预测准确性。     

工商业用户负荷中断速率及中断容量特性分析

为了精细化分析工商业用户负荷的最大中断速率及最大中断容量特性,采用二次分类模型对工商业用户的日负荷数据进行聚类分析。每次聚类均采用模糊C均值聚类法,第一次聚类分离出常规用电数据与参与中断响应的数据,第二次聚类获得精细化的中断响应模式,进而从时间维度和行业维度分析中断速率特性和中断容量特性。结果表明二次分类模型能够有效地挖掘用户的最大中断响应速率及最大中断容量。