市场竞争机制下用户用电行为特性辨识模型

研究市场环境下的用户用电行为,有利于优化电力市场机制,为市场的数据化运营奠定基础,对电网的安全稳定运行有着积极的作用。首先,针对不同用户在电力市场环境下对电能价格和需求响应政策等的反应机制,从购电潜力、电价敏感度、需求响应潜力3个方面构建市场行为评价指标体系,在对初始用户样本进行指标量化的基础上,采用二次聚类法确定用户初始类别;然后,基于学习向量量化(LVQ)神经网络和自组织映射(SOM)神经网络,提出具有类别增量学习功能的自适应辨识模型;最后,基于某地市的实际用户数据进行模型验证。算例结果表明,所提自适应辨识模型的辨识结果准确,能有效地辨识得到新的用户类型,同时在更新辨识模型的速度上也有较大的优越性。     

基于径向基函数优化的短期负荷预测方法

为提高短期负荷预测模型的精确度,研究了一种基于径向基函数(radial basis function,RBF)神经网络参数优化的短期负荷预测方法。首先,对短期负荷影响因素进行分析,建立了计及温度累积效应的温度变量量化模型和计及负荷修正的日期类型变量量化模型;其次,建立基于RBF神经网络的短期负荷预测模型,分别基于近邻传播算法和遗传算法对RBF神经网络隐层节点的中心矢量和基宽参数进行优化;最后,基于某地区轻工业行业的夏季负荷数据进行了算例分析,结果表明,相比于未考虑参数优化的预测模型,可在一定程度上提高短期负荷的预测精度。     

考虑负荷发展和用户行为的分时电价优化研究

分时电价作为需求侧管理的一种重要经济手段,其在国内的全面实施势在必行,但电力需求的快速增长导致分时电价对用户的激励效果缺乏时效性。针对此问题,提出一种考虑负荷发展的分时电价优化方法,利用BP神经网络预测和灰色预测法预测出未来2年的典型日负荷曲线,将未来负荷曲线代入分时电价优化模型的结果作为电价约束,再对当年的典型日负荷曲线进行优化计算,得到合理的分时电价。算例将仅考虑当年典型日负荷曲线的优化结果与考虑负荷发展的优化结果进行对比,验证该优化方法延长分时电价时效的有效性。