CN105787603A - 一种考虑需求侧资源的电网负荷预测方法和装置 - Google Patents
一种考虑需求侧资源的电网负荷预测方法和装置 Download PDFInfo
- Publication number
- CN105787603A CN105787603A CN201610161027.8A CN201610161027A CN105787603A CN 105787603 A CN105787603 A CN 105787603A CN 201610161027 A CN201610161027 A CN 201610161027A CN 105787603 A CN105787603 A CN 105787603A
- Authority
- CN
- China
- Prior art keywords
- load
- class
- predicted time
- time section
- resource
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000000694 effects Effects 0.000 claims description 277
- 230000005611 electricity Effects 0.000 claims description 61
- 230000002301 combined effect Effects 0.000 claims description 25
- 230000001186 cumulative effect Effects 0.000 claims description 18
- 230000009467 reduction Effects 0.000 claims description 7
- 238000009825 accumulation Methods 0.000 abstract 2
- 238000013439 planning Methods 0.000 description 22
- 230000009466 transformation Effects 0.000 description 17
- 238000007726 management method Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 6
- 230000004044 response Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000005286 illumination Methods 0.000 description 4
- 230000033228 biological regulation Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000004134 energy conservation Methods 0.000 description 3
- 238000013277 forecasting method Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000001932 seasonal effect Effects 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 241000693079 Maloideae Species 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000007600 charging Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000004899 motility Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Power Engineering (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种考虑需求侧资源的电网负荷预测方法,该方法包括:确定变电站的负荷预测范围;确定负荷预测范围内变电站所属的每一条馈线上接入的至少一类电力终端用户;确定每一条馈线上接入的每一类电力终端用户包含的至少一类需求侧资源;计算每一条馈线在其所有需求侧资源作用下的、预测时间段内的最大负荷;将计算的负荷预测范围内变电站所属的每一条馈线的最大负荷进行累加后乘以该负荷预测范围的负荷同时率,得到变电站在其所有需求侧资源作用下的、预测时间段内的、负荷预测范围内的区域最大负荷。本发明还公开了一种考虑需求侧资源的电网负荷预测装置。
Description
技术领域
本发明涉及电网规划领域,尤其涉及一种考虑需求侧资源的电网负荷预测方法和装置。
背景技术
作为电力系统规划的重要组成部分,电网规划是根据电力系统的负荷及电源发展规划,对电力系统的网架结构作出的发展规划。它不仅要满足相关供电的要求,而且还要协调电力系统各组成部分,使整个系统结构合理、运行高效。而随着目前能源危机和环境污染的日益加重,以及我国不同区域环境承载能力存在差异的基本国情以及电网企业面临的严峻挑战,需要改变传统的电网规划模式。
近年来,需求侧管理因其在削峰填谷、改善负荷曲线、提高电能利用效率等方面的作用,已成为电网公司日常工作的重要内容。需求侧管理,是指电力公司采取一系列有效的激励和诱导措施以及适宜的运作方式,通过正确的设计和引导消费方向,激励和诱导用户改变不合理的电力消费方式及行为,依靠科学技术进步,与用户共同提高终端用电效率,降低电量消耗和电力需求所进行的管理活动。这样可以在完成同样用电功能的情况下减少电量消耗和电力需求,从而缓解缺电压力,降低供电成本和用电成本,使供电和用电双方得到实惠,达到节约能源和保护环境的长远目的。因此,将需求侧资源考虑到电网发展规划中,制定新的电网规划模式,可以有效缓解当前电网投资耗资大、电网规划落地难、电网设备利用率低等问题,促进电力行业的可持续发展。
公知地,电网规划的基本原理是以负荷预测为基础,即根据系统内最大负荷、需电量和负荷曲线的预测结果,确定开发电源的类型、布点和建设时间、投产数量,以及如何进行电网建设,才能经济、合理、可靠地满足用户的电力需求。然而由于影响负荷变化的因素很多,电网负荷波动性大,作为电网规划的重要前提和基础的电力负荷预测准确性通常不高。但如何量化需求侧管理在电力负荷预测中的效果,还存在困难。
因此,需要一种新型的考虑需求侧资源的电网负荷预测方法。
发明内容
鉴于此,本发明提供了一种新的考虑需求侧资源的电网负荷预测方法方案,以力图解决或至少缓解上面存在的问题。
根据本发明的一个方面,提供了一种考虑需求侧资源的电网负荷预测方法,该方法包括:确定变电站的负荷预测范围;确定负荷预测范围内变电站所属的每一条馈线上接入的至少一类电力终端用户;确定每一条馈线上接入的每一类电力终端用户包含的至少一类需求侧资源;计算每一条馈线在其所有需求侧资源作用下的、预测时间段内的最大负荷,包括:分别计算一条馈线上接入的每一类电力终端用户在至少一类需求侧资源作用下的、预测时间段内的最大负荷;将计算的一条馈线上接入的每一类电力终端用户的最大负荷进行累加后乘以该条馈线的负荷同时率,得到一条馈线在其所有需求侧资源作用下的、预测时间段内的最大负荷;将计算的负荷预测范围内变电站所属的每一条馈线的最大负荷进行累加后乘以该负荷预测范围的负荷同时率,得到所述变电站在其所有需求侧资源作用下的、预测时间段内的、负荷预测范围内的区域最大负荷。
可选地,在根据本发明的电网负荷预测方法中,其中需求侧资源的类型为2类,分别为能效类资源和负荷类资源,确定每一条馈线上接入的每一类电力终端用户包含的至少一类需求侧资源的步骤还包括:确定每一条馈线上接入的每一类电力终端用户包含的至少一类需求侧资源中的至少一种能效类资源和至少一种负荷类资源。
可选地,在根据本发明的电网负荷预测方法中,其中计算一类电力终端用户在至少一类需求侧资源作用下的、预测时间段内的最大负荷的步骤包括:
计算一类电力终端用户在其至少一种能效类资源作用下的、预测时间段内的最大负荷;根据计算的最大负荷计算该类电力终端用户在其至少一种能效类资源和至少一种负荷类资源共同作用下的、预测时间段内的最大负荷。
可选地,在根据本发明的电网负荷预测方法中,其中计算一类电力终端用户在其至少一种能效类资源作用下的、预测时间段内的最大负荷的步骤包括:计算一类电力终端用户在无需求侧资源作用下的、预测时间段内的用电量;计算该类电力终端用户分别在其每一种能效类资源作用下的、预测时间段内的电能节约量;将计算的每一种能效类资源作用下、预测时间段内的电能节约量进行累加得到该类电力终端用户在其至少一种能效类资源作用下的、预测时间段内的电能节约量;将无需求侧资源作用下的、预测时间段内的用电量减去至少一种能效类资源作用下的、预测时间段内的电能节约量得到该类电力终端用户在其至少一种能效类资源作用下的、预测时间段内的用电量;根据至少一种能效类资源作用下的、预测时间段内的用电量计算该类电力终端用户在其至少一种能效类资源作用下的、预测时间段内的最大负荷。
可选地,在根据本发明的电网负荷预测方法中,其中该类电力终端用户在其一种能效类资源作用下的、预测时间段内的电能节约量为:
其中,Δql,n,i表示第l条馈线上第n类电力终端用户在第i种能效类资源作用下、预测时间段内的电能节约量,单位为MWh;表示第l条馈线上第n类电力终端用户在第i种能效类资源作用下、预测时间段内用电环节的初始用电量,单位为MWh;ηl,n,i为布尔变量,当ηl,n,i为1时指示该类电力终端用户有第i种能效类资源;δi表示第i种能效类资源实现的降耗率,单位为%;ΩL表示负荷预测范围内的馈线集合;Nl表示馈线l上的电力终端用户类型集合;ΩI表示馈线l上所包含的能效类资源种类集合;该类电力终端用户在其至少一种能效类资源作用下的、预测时间段内的电能节约量为:其中,Δql,n,EE表示馈线l上第n类用户在其至少一种能效类资源作用下、预测时间段内的电能节约量,单位为MWh;I表示该类电力终端用户的负荷类资源种类数量;该类电力终端用户在其至少一种能效类资源作用下的、预测时间段内的用电量为:其中,ql,n,EE表示馈线l上第n类用户在其至少一种能效类资源作用下、预测时间段内的用电量,单位为MWh;表示馈线l上第n类用户在无需求侧资源作用下预测时间段内的用电量,单位为MWh。
可选地,在根据本发明的电网负荷预测方法中,其中根据计算的最大负荷计算该类电力终端用户在其至少一种能效类资源和至少一种负荷类资源共同作用下的、预测时间段内的最大负荷的步骤包括:根据在每一种负荷类资源作用下的负荷率和至少一种能效类资源作用下的、预测时间段内的最大负荷计算该类电力终端用户分别在其每一种负荷类资源作用下的、预测时间段内的最大负荷减少量;将计算的每一种负荷类资源作用下的、预测时间段内的最大负荷减少量分别乘以该类电力终端用户对该种负荷类资源的响应概率后进行累加,得到该类电力终端用户在其至少一种负荷类资源作用下的、预测时间内的最大负荷减少量;将该类电力终端用户在其至少一种能效类资源作用下的、预测时间段内的最大负荷减去所述在其至少一种负荷类资源作用下的、预测时间内的最大负荷减少量得到该类电力终端用户在其至少一种能效类资源和至少一种负荷类资源共同作用下的、预测时间段内的最大负荷。
可选地,在根据本发明的电网负荷预测方法中,其中该类电力终端用户在其一种负荷类资源作用下的、预测时间段内的最大负荷减少量为:
其中,ΔPl,n,j表示第l条馈线上第n类电力终端用户在第j种负荷类资源作用下、预测时间段内的最大负荷减少量,单位为MW;表示馈线l上第n类用户在其至少一种能效类资源作用下、预测时间段内的最大负荷,单位为MW;表示馈线l上第n类用户在第j种负荷类资源作用下、预测时间段内的最大负荷,单位为MW;ηl,n,j为布尔变量,ηl,n,j为1时表示该类电力终端用户有第j种负荷类资源;βn,j表示第n类电力终端用户在第j种负荷类资源作用下的负荷率,hl,n表示第l条馈线上第n类电力终端用户预测时间段内的有效用电时间,单位为小时;ΩJ表示馈线l上所包含的负荷类资源种类集合;该类电力终端用户在其至少一种负荷类资源作用下的、预测时间内的最大负荷减少量为:
其中,J表示该类电力终端用户的负荷类资源种类数量;λj表示该类用户响应第j种负荷类资源的概率;以及该类电力终端用户在其至少一种能效类资源和至少一种负荷类资源共同作用下的、预测时间段内的最大负荷为:其中,表示馈线l上第n类用户在其至少一种能效类资源和至少一种负荷类资源共同作用下的、预测时间段内的最大负荷。
可选地,在根据本发明的电网负荷预测方法中,一条馈线在其所有需求侧资源作用下的、预测时间段内的最大负荷为:
其中,Pl DSM表示馈线l在其所有需求侧资源作用下、预测时间段内的最大负荷,单位为MW;λn表示馈线l的负荷同时率;N为馈线l上电力终端用户类型总数;变电站在其所有需求侧资源作用下的、预测时间段内的、负荷预测范围内的区域最大负荷为:
其中,表示区域最大负荷,单位为MW;λl表示负荷预测范围的负荷同时率;L为负荷预测范围内该变电站所属的馈线条数。
可选地,在根据本发明的电网负荷预测方法中,其中电力系统的负荷同时率为该电力系统的最大负荷除以该电力系统各组成单位的最大负荷之和。
可选地,在根据本发明的电网负荷预测方法中,其中电力系统的负荷同时率为:其中,λ表示电力系统m的负荷同时率;Lmax表示电力系统m的最大负荷;Lm,max表示电力系统m组成单位的最大负荷。
可选地,在根据本发明的电网负荷预测方法中,还包括步骤:计算变电站在无需求侧资源作用下的、预测时间段内、所述负荷预测范围内的最大负荷;将计算的最大负荷减去变电站在其所有需求侧资源作用下的、预测时间段内的、负荷预测范围内的区域最大负荷后乘以容载比,得到考虑需求侧资源的变电站可延缓投建的变电容量。
可选地,在根据本发明的电网负荷预测方法中,其中变电站在无需求侧资源作用下的、预测时间段内、负荷预测范围内的最大负荷为: 其中,表示变电站在无需求侧资源作用下预测时间段内的、负荷预测范围内的总用电量,单位为MWh;qinitial为负荷预测范围内、预测时间段内起始用电量,单位为MWh;为用电量以预测时间段为周期的平均增长率;T表示预测周期,一个预测时间段为一个周期;表示变电站无需求侧资源情况下负荷预测范围内、预测时间段内的最大负荷,单位为MW;β0为平均负荷率;H表示预测周期内有效时间总和,单位为小时;以及考虑需求侧资源的变电站可延缓投建的变电容量为:其中,ΔC表示考虑需求侧资源的变电站可延缓投建的变电容量,单位为MVA;R表示容载比。
根据本发明的另一方面,提供了一种考虑需求侧资源的电网负荷预测装置,该装置包括:范围确定模块,适于确定变电站的负荷预测范围;用户确定模块,适于确定负荷预测范围内变电站所属的每一条馈线上接入的至少一类电力终端用户;资源确定模块,适于确定每一条馈线上接入的每一类电力终端用户包含的至少一类需求侧资源;负荷运算单元,适于计算每一条馈线在其所有需求侧资源作用下的、预测时间段内的最大负荷,其中,负荷运算单元适于分别计算一条馈线上接入的每一类电力终端用户在至少一类需求侧资源作用下的、预测时间段内的最大负荷;还适于将计算的一条馈线上接入的每一类电力终端用户的最大负荷进行累加后乘以该条馈线的负荷同时率,得到一条馈线在其所有需求侧资源作用下的、预测时间段内的最大负荷;负荷运算单元还适于将计算的负荷预测范围内变电站所属的每一条馈线的最大负荷进行累加后乘以该负荷预测范围的负荷同时率,得到变电站在其所有需求侧资源作用下的、预测时间段内的、负荷预测范围内的区域最大负荷。
可选地,在根据本发明的电网负荷预测装置中,其中需求侧资源的类型为2类,分别为能效类资源和负荷类资源,资源确定模块还适于确定每一条馈线上接入的每一类电力终端用户包含的至少一类需求侧资源中的至少一种能效类资源和至少一种负荷类资源。
可选地,在根据本发明的电网负荷预测装置中,其中计算一类电力终端用户在至少一类需求侧资源作用下的、预测时间段内的最大负荷的步骤包括:计算一类电力终端用户在其至少一种能效类资源作用下的、预测时间段内的最大负荷;根据计算的最大负荷计算该类电力终端用户在其至少一种能效类资源和至少一种负荷类资源共同作用下的、预测时间段内的最大负荷。
可选地,在根据本发明的电网负荷预测装置中,其中负荷运算单元还适于计算一类电力终端用户在无需求侧资源作用下的、预测时间段内的用电量;还适于计算该类电力终端用户分别在其每一种能效类资源作用下的、预测时间段内的电能节约量;还适于将计算的每一种能效类资源作用下、预测时间段内的电能节约量进行累加得到该类电力终端用户在其至少一种能效类资源作用下的、预测时间段内的电能节约量;还适于将无需求侧资源作用下的、预测时间段内的用电量减去至少一种能效类资源作用下的、预测时间段内的电能节约量得到该类电力终端用户在其至少一种能效类资源作用下的、预测时间段内的用电量;还适于根据至少一种能效类资源作用下的、预测时间段内的用电量计算该类电力终端用户在其至少一种能效类资源作用下的、预测时间段内的最大负荷。
可选地,在根据本发明的电网负荷预测装置中,其中该类电力终端用户在其一种能效类资源作用下的、预测时间段内的电能节约量为:
其中,Δql,n,i表示第l条馈线上第n类电力终端用户在第i种能效类资源作用下、预测时间段内的电能节约量,单位为MWh;表示第l条馈线上第n类电力终端用户在第i种能效类资源作用下、预测时间段内用电环节的初始用电量,单位为MWh;ηl,n,i为布尔变量,当ηl,n,i为1时指示该类电力终端用户有第i种能效类资源;δi表示第i种能效类资源实现的降耗率,单位为%;ΩL表示负荷预测范围内的馈线集合;Nl表示馈线l上的电力终端用户类型集合;ΩI表示馈线l上所包含的能效类资源种类集合;该类电力终端用户在其至少一种能效类资源作用下的、预测时间段内的电能节约量为:其中,Δql,n,EE表示馈线l上第n类用户在其至少一种能效类资源作用下、预测时间段内的电能节约量,单位为MWh;I表示该类电力终端用户的负荷类资源种类数量;该类电力终端用户在其至少一种能效类资源作用下的、预测时间段内的用电量为:其中,ql,n,EE表示馈线l上第n类用户在其至少一种能效类资源作用下、预测时间段内的用电量,单位为MWh;表示馈线l上第n类用户在无需求侧资源作用下预测时间段内的用电量,单位为MWh。
可选地,在根据本发明的电网负荷预测装置中,其中负荷运算模块还适于根据在每一种负荷类资源作用下的负荷率和至少一种能效类资源作用下的、预测时间段内的最大负荷计算该类电力终端用户分别在其每一种负荷类资源作用下的、预测时间段内的最大负荷减少量;还适于将计算的每一种负荷类资源作用下的、预测时间段内的最大负荷减少量分别乘以该类电力终端用户对该种负荷类资源的响应概率后进行累加,得到该类电力终端用户在其至少一种负荷类资源作用下的、预测时间内的最大负荷减少量;还适于将该类电力终端用户在其至少一种能效类资源作用下的、预测时间段内的最大负荷减去所述在其至少一种负荷类资源作用下的、预测时间内的最大负荷减少量得到该类电力终端用户在其至少一种能效类资源和至少一种负荷类资源共同作用下的、预测时间段内的最大负荷。
可选地,在根据本发明的电网负荷预测装置中,其中该类电力终端用户在其一种负荷类资源作用下的、预测时间段内的最大负荷减少量为:
其中,ΔPl,n,j表示第l条馈线上第n类电力终端用户在第j种负荷类资源作用下、预测时间段内的最大负荷减少量,单位为MW;表示馈线l上第n类用户在其至少一种能效类资源作用下、预测时间段内的最大负荷,单位为MW;表示馈线l上第n类用户在第j种负荷类资源作用下、预测时间段内的最大负荷,单位为MW;ηl,n,j为布尔变量,ηl,n,j为1时表示该类电力终端用户有第j种负荷类资源;βn,j表示第n类电力终端用户在第j种负荷类资源作用下的负荷率,hl,n表示第l条馈线上第n类电力终端用户预测时间段内的有效用电时间,单位为小时;ΩJ表示馈线l上所包含的负荷类资源种类集合;该类电力终端用户在其至少一种负荷类资源作用下的、预测时间内的最大负荷减少量为:
其中,J表示该类电力终端用户的负荷类资源种类数量;λj表示该类用户响应第j种负荷类资源的概率;以及该类电力终端用户在其至少一种能效类资源和至少一种负荷类资源共同作用下的、预测时间段内的最大负荷为:其中,表示馈线l上第n类用户在其至少一种能效类资源和至少一种负荷类资源共同作用下的、预测时间段内的最大负荷。
可选地,在根据本发明的电网负荷预测装置中,一条馈线在其所有需求侧资源作用下的、预测时间段内的最大负荷为:
其中,Pl DSM表示馈线l在其所有需求侧资源作用下、预测时间段内的最大负荷,单位为MW;λn表示馈线l的负荷同时率;N为馈线l上电力终端用户类型总数;变电站在其所有需求侧资源作用下的、所述预测时间段内的、所述负荷预测范围内的区域最大负荷为:
其中,表示区域最大负荷,单位为MW;λl表示负荷预测范围的负荷同时率;L为负荷预测范围内该变电站所属的馈线条数。
可选地,在根据本发明的电网负荷预测装置中,其中电力系统的负荷同时率为该电力系统的最大负荷除以该电力系统各组成单位的最大负荷之和。
可选地,在根据本发明的电网负荷预测装置中,其中所述电力系统的负荷同时率为:其中,λ表示电力系统m的负荷同时率;Lmax表示电力系统m的最大负荷;Lm,max表示电力系统m组成单位的最大负荷。
可选地,在根据本发明的电网负荷预测装置中,负荷运算模块还适于计算变电站在无需求侧资源作用下的、预测时间段内、负荷预测范围内的最大负荷;还适于将计算的最大负荷减去所述变电站在其所有需求侧资源作用下的、预测时间段内的、负荷预测范围内的区域最大负荷后乘以容载比,得到考虑需求侧资源的变电站可延缓投建的变电容量。
可选地,在根据本发明的电网负荷预测装置中,其中变电站在无需求侧资源作用下的、预测时间段内、所述负荷预测范围内的最大负荷为:
其中,表示变电站在无需求侧资源作用下预测时间段内的、负荷预测范围内的总用电量,单位为MWh;qinitial为负荷预测范围内、预测时间段内起始用电量,单位为MWh;为用电量以预测时间段为周期的平均增长率;T表示预测周期,一个预测时间段为一个周期;表示变电站无需求侧资源情况下负荷预测范围内、预测时间段内的最大负荷,单位为MW;β0为平均负荷率;H表示预测周期内有效时间总和,单位为小时;以及考虑需求侧资源的变电站可延缓投建的变电容量为:
其中,ΔC表示考虑需求侧资源的变电站可延缓投建的变电容量,单位为MVA;R表示容载比。
根据本发明的考虑需求侧资源的电网负荷预测方案,通过考虑电力终端用户类型及其需求侧资源,可以在电网规划的负荷预测环节就能够充分考虑需求侧资源的潜力,精细和精准地反映预测结果,以避免扩容方案粗放而造成投资浪费。
附图说明
为了实现上述以及相关目的,本文结合下面的描述和附图来描述某些说明性方面,这些方面指示了可以实践本文所公开的原理的各种方式,并且所有方面及其等效方面旨在落入所要求保护的主题的范围内。通过结合附图阅读下面的详细描述,本公开的上述以及其它目的、特征和优势将变得更加明显。遍及本公开,相同的附图标记通常指代相同的部件或元素。
图1示出了根据本发明一个示例性实施例的考虑需求侧资源的电网负荷预测方法100的流程图;
图2示出了根据本发明另一个示例性实施例的变电站负荷预测范围的示意图;以及
图3示出了根据本发明一个示例性实施例的考虑需求侧资源的电网负荷预测装置200的结构框图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
电网规划以负荷预测和电源规划为基础,确定相应的电网接线,以满足可靠、经济、灵活输送电力的要求。电网规划确定在何时、何地投建何种类型的输电线路及其回路数,以达到规划周期内所需要的输电能力,在满足各项技术指标的前提下使输电系统的费用最小。电力负荷预测则是电网规划的基础,电网规划的基本原理是以负荷预测为基础,即根据系统内最大负荷、需电量和负荷曲线的预测结果,确定开发电源的类型、布点和建设时间、投产数量,以及如何进行电网建设,才能经济、合理、可靠地满足用户的电力需求。负荷预测按照预测期限的不同,分为长期预测、中期预测、短期预测。中长期负荷预测方法包括:专家调查法、产值单耗法、弹性系数法、年最大负荷利用小时数等传统且简单实用的预测方法以及一些通用的序列预测方法。短期负荷预测方法包括回归分析法、趋势外推法、时间序列法、灰色预测法以及节假日预测等。现代预测方法包括,人工神经网路、专家系统预测法、支持向量机(SVM)预测算法、小波分析预测算法。
为了有效缓解能源约束矛盾,解决能源环境问题,同时提高经济增长质量和效益,本发明将需求侧资源引入负荷预测,提出一种新的考虑需求侧资源的变电站负荷预测方法。图1示出了根据本发明一个示例性实施例的设考虑需求侧资源的电网负荷预测方法100的流程图。
方法100始于步骤S110,在步骤S110中,确定变电站的负荷预测范围。通常可以选择变电站辐射范围的供电区域为负荷预测范围,负荷预测范围可以包括该变电站所属的至少一条馈线以及每一条馈线上接入的所有电力终端用户,如图2所示。
而后在步骤S120中,确定上述负荷预测范围内该变电站所属的每一条馈线上接入的至少一类电力终端用户。电力终端用户通常可以分为多种类型,例如按照终端用户的用电属性可以将电力终端用户分为工业用户、商业用户、农业用户、居民用户及其他用户五大类。其中,工业用户可以按照受电变压器容量大小分为大工业用户和普通工业用户;商业用户可以按照行业特点分为商场和商店用户、餐饮业用户、物资购销业用户、旅游业用户、文化娱乐业用户、金融保险业用户;居民用户可以根据用户所在地域分为城镇用户和农村用户;其他用户仅选取用电量较多的几类用户,包括高校、研究机构、政府机关及医院。
不同类型的电力终端用户有不同的需求侧资源,因此确定负荷预测范围内的至少一类电力终端用户后,需要确定每一类电力终端用户包含的需求侧资源。可以在步骤S130中,确定变电站所属的每一条馈线上接入的每一类电力终端用户包含的至少一类需求侧资源。
公知地,传统电力规划是一种基于供应侧资源的规划(Supply-SidePlanning,SSP),随着电力需求的增长,在电力系统供应侧扩容方面均面临着不同程度的困难,关于电力需求侧的研究则越来越受到关注。需求侧资源是在满足资源充足性需要的前提下,通过实施各种需求侧措施和手段,以达到降低电力负荷水平和延缓新增装机容量投资的目的。根据本发明的一个实施例,根据采取的方式手段及作用效果的不同可以将需求侧资源分为能效类资源(EnergyEfficiency,简称EE)和负荷类资源(DemandResponse,简称DR)两类。因此步骤S130可以包括确定每一条馈线上接入的每一类电力终端用户包含的至少一类需求侧资源中的至少一种能效类资源和至少一种负荷类资源。
能效类资源是指在不影响使用效果的情况下,通过提高用户用电效率以降低用电量及负荷水平的技术手段和管控措施。技术升级等方式可以提高用户所有有效时间段内的用电效率,降低用户的用电数量,从而减少系统中发电容量和输电容量,因此,诸如绿色照明、节能家电等都可称之为能效类资源。此外,按照上述定义,常见的能效类资源主要还包括节能电梯、高效变压器、高效电动机等。其中,绿色照明是指通过科学照明设计的照明电器产品,具有高效节能、环保、安全、舒适四大特点。绿色照明主要包含三项内容,分别是照明设施、照明设计及照明维护管理。节能家电是指通过科学研发,采用相关节能技术的家用电器,包括节能空调、节能热水器、节能冰箱等等。节能电梯是指通过科学研发,采用相关节能技术的电梯。目前最好的节能电梯型号可以节约用电50%,一般的节能电梯可以节能30%-40%。高效变压器是指通过科学技术改造,使效率得到提高的变压器。变压器是输电系统中的主要设备之一,用途极其广泛,其损耗可占线路总损耗的17%,推广高效变压器以及对一些高能耗变压器的节能改造,其意义重大。高效电动机即指具有高效率的电动机,从节约能源、保护环境出发,高效率电动机是目前的国际发展趋势。
负荷类资源是指使得用户主动、自愿改善用电习惯、调整用电行为,从而减少总用电量或者改变用电时间以达到削峰填谷目标的经济措施或行政指令。按照上述定义,负荷类资源包括峰谷电价、阶梯电价、季节性电价、可中断电价、有序用电管理和直接负荷控制等经济措施和行政措施。其中,峰谷电价、阶梯电价、季节性电价和可中断电价等电价政策属于经济措施;有序用电管理和直接负荷控制属于行政措施。其中,根据电力系统负荷曲线的变化将一天分成多个时间段,对不同时间段的负荷或电量,按不同的价格计费的电价制度即为峰谷电价。峰谷电价策略通过价格杠杆的有效利用使电力负荷曲线更加平缓,有利于电力企业降低发电成本。将户均用电量设置为若干个阶梯分段,对不同分段分档次定价的电价制度即为阶梯电价。根据各分段的电价水平,阶梯电价可以分为阶梯式递增电价或阶梯式累进电价两种。季节性电价是根据季节设定不同价格计费的电价制度,如在用电高峰季节如夏冬两季设置高电价,而在用电需求较低的春秋季节设置低电价。其作用效果和峰谷电价类似,是通过价格杠杆的有效利用来达到调节各季节电力消费不均状况的目的。可中断电价是在系统负荷高峰期间对可靠性要求不高的用户实施负荷控制时所执行的一种鼓励性电价。电力用户与调度交易中心签订可中断负荷合同,电力公司可以在固定时间或任何系统需要的时间减少他们的负荷需求,进而达到降低电力负荷的目的,而供电公司也会给予用户的相应经济补偿。有序用电管理就是要在不同情况下,制定相应的用电方案,主要包括年错峰、月错峰、日错峰、停产检修。通过分析从负荷侧得到的各种用电数据和行业标准,调度人员对各种用电方案和有序用电对象,发挥执行效果预测估算功能,对移峰之后相关对象的负荷变化、电量(尖、峰、平、谷)变化进行预测评估,同时通过参考电价(可设置)将方案的执行效果转化为经济效益,以选择最佳执行方案。直接负荷控制是指在系统高峰负荷时段电力部门利用监控设备,对不同种类负荷进行控制的一种方式。直接负荷控制通过循环和分阶段地切断所需控制负荷与系统的联系,从而达到降低高峰负荷、提高负荷率的目的。
确定的电力终端用户类型和其包含的能效类资源和负荷类资源可以如下表1:
表1
而后在步骤S140中,计算上述每一条馈线在其所有需求侧资源作用下的、所述预测时间段内的最大负荷。以其中一条馈线为例,该步骤S140包括:
分别计算一条馈线上接入的每一类电力终端用户在至少一类需求侧资源作用下的、预测时间段内的最大负荷。
以计算一类电力终端用户在至少一类需求侧资源作用下的、预测时间段内的最大负荷为例,首先计算该一类电力终端用户在其至少一种能效类资源作用下的、预测时间段内的最大负荷。具体地,计算一类电力终端用户在无需求侧资源作用下的、预测时间段内的用电量。计算公式可以如下:
其中,表示变电站在无需求侧资源作用下预测时间段内的、负荷预测范围内的总用电量,单位为MWh;qinitial为负荷预测范围内、预测时间段内起始用电量,单位为MWh;为用电量以预测时间段为周期的平均增长率;T表示预测周期,一个预测时间段为一个周期。
而后,计算该类电力终端用户分别在其每一种能效类资源作用下的、预测时间段内的电能节约量。根据本发明的一个实施例,该类电力终端用户在其一种能效类资源作用下的、预测时间段内的电能节约量为:
其中,Δql,n,i表示第l条馈线上第n类电力终端用户在第i种能效类资源作用下、预测时间段内的电能节约量,单位为MWh;表示第l条馈线上第n类电力终端用户在第i种能效类资源作用下、预测时间段内用电环节的初始用电量,单位为MWh;ηl,n,i为布尔变量,当ηl,n,i为1时指示该类电力终端用户有第i种能效类资源;δi表示第i种能效类资源实现的降耗率,单位为%;ΩL表示负荷预测范围内的馈线集合;Nl表示馈线l上的电力终端用户类型集合;ΩI表示馈线l上所包含的能效类资源种类集合。
再将上述计算的每一种能效类资源作用下、预测时间段内的电能节约量进行累加得到该类电力终端用户在其至少一种能效类资源作用下的、预测时间段内的电能节约量。根据本发明的一个实施例,该类电力终端用户在其至少一种能效类资源作用下的、预测时间段内的电能节约量为:
其中,Δql,n,EE表示馈线l上第n类用户在其至少一种能效类资源作用下、预测时间段内的电能节约量,单位为MWh;I表示该类电力终端用户的负荷类资源种类数量。
而后将上述无需求侧资源作用下的、预测时间段内的用电量减去至少一种能效类资源作用下的、预测时间段内的电能节约量得到该类电力终端用户在其至少一种能效类资源作用下的、预测时间段内的用电量。根据本发明的一个实施例,该类电力终端用户在其至少一种能效类资源作用下的、预测时间段内的用电量为:
其中,ql,n,EE表示馈线l上第n类用户在其至少一种能效类资源作用下、预测时间段内的用电量,单位为MWh;表示馈线l上第n类用户在无需求侧资源作用下预测时间段内的用电量,单位为MWh。
最后根据至少一种能效类资源作用下的、预测时间段内的用电量计算该类电力终端用户在其至少一种能效类资源作用下的、预测时间段内的最大负荷。
计算得到一类电力终端用户在其至少一种能效类资源作用下的、预测时间段内的最大负荷之后,可以根据计算的最大负荷计算该类电力终端用户在其至少一种能效类资源和至少一种负荷类资源共同作用下的、预测时间段内的最大负荷。
具体地,首先根据在每一种负荷类资源作用下的负荷率和至少一种能效类资源作用下的、预测时间段内的最大负荷计算该类电力终端用户分别在其每一种负荷类资源作用下的、预测时间段内的最大负荷减少量。根据本发明的一个实施例,该类电力终端用户在其一种负荷类资源作用下的、预测时间段内的最大负荷减少量为:
其中,ΔPl,n,j表示第l条馈线上第n类电力终端用户在第j种负荷类资源作用下、预测时间段内的最大负荷减少量,单位为MW;表示馈线l上第n类用户在其至少一种能效类资源作用下、预测时间段内的的最大负荷,单位为MW;表示馈线l上第n类用户在第j种负荷类资源作用下、预测时间段内的最大负荷,单位为MW;ηl,n,j为布尔变量,ηl,n,j为1时表示该类电力终端用户有第j种负荷类资源;βn,j表示第n类电力终端用户在第j种负荷类资源作用下的负荷率,hl,n表示第l条馈线上第n类电力终端用户预测时间段内的有效用电时间,单位为小时;ΩJ表示馈线l上所包含的负荷类资源种类集合。
再将计算的每一种负荷类资源作用下的、预测时间段内的最大负荷减少量分别乘以该类电力终端用户对该种负荷类资源的响应概率后进行累加,得到该类电力终端用户在其至少一种负荷类资源作用下的、预测时间内的最大负荷减少量。根据本发明的一个实施例,该类电力终端用户在其至少一种负荷类资源作用下的、预测时间内的最大负荷减少量为:
其中,J表示该类电力终端用户的负荷类资源种类数量;λj表示该类用户响应第j种负荷类资源的概率。
最后将该类电力终端用户在其至少一种能效类资源作用下的、预测时间段内的最大负荷减去所述在其至少一种负荷类资源作用下的、预测时间内的最大负荷减少量得到该类电力终端用户在其至少一种能效类资源和至少一种负荷类资源共同作用下的、预测时间段内的最大负荷。根据本发明的一个实施例,该类电力终端用户在其至少一种能效类资源和至少一种负荷类资源共同作用下的、预测时间段内的最大负荷为:
其中,表示馈线l上第n类用户在其至少一种能效类资源和至少一种负荷类资源共同作用下的、预测时间段内的最大负荷。
计算得到一条馈线上接入的每一类电力终端用户在至少一类需求侧资源作用下的、预测时间段内的最大负荷后,若将馈线上所得每一类电力终端用户在至少一类需求侧资源作用下的最大负荷进行累加,可得到该馈线的综合最大负荷。然而,由于用户类型和数量都不同,最大负荷发生的时间节点不一定完全一致。因此,在进行综合最大负荷叠加时不能仅仅是累加的过程,还需要通过系数进行调整。本发明引入了负荷同时率的概念,在电力系统中,每个电力用户不可能同时达到用电量最大值,这导致负荷的最大值之和总是大于和的最大值,负荷同时率就是反映这一不等关系的系数。通过负荷同时率可以更准确地求得同一馈线上所有类型用户受多种需求侧资源作用而产生的综合效果。
因此步骤S140还包括:将计算的一条馈线上接入的每一类电力终端用户的最大负荷进行累加后乘以该条馈线的负荷同时率,得到一条馈线在其所有需求侧资源作用下的、预测时间段内的最大负荷。
根据本发明的一个实施例,一条馈线在其所有需求侧资源作用下的、预测时间段内的最大负荷为:
其中,Pl DSM表示馈线l在其所有需求侧资源作用下、预测时间段内的最大负荷,单位为MW;λn表示馈线l的负荷同时率;N为馈线l上电力终端用户类型总数。
而后在步骤S150中,将计算的负荷预测范围内变电站所属的每一条馈线的最大负荷进行累加后乘以该负荷预测范围的负荷同时率,得到变电站在其所有需求侧资源作用下的、预测时间段内的、负荷预测范围内的区域最大负荷。
由于变电站涵盖多条用电线路,要求得区域最大负荷需要对所有馈线最大负荷进行叠加。由于每条馈线上用户类型和数量都不同,最大负荷发生的时间节点不一定完全一致,因此,这里同样适用负荷同时率对其进行调整。根据本发明的一个实施例,变电站在其所有需求侧资源作用下的、预测时间段内的、负荷预测范围内的区域最大负荷为:
其中,表示区域最大负荷,单位为MW;λl表示负荷预测范围的负荷同时率;L为负荷预测范围内该变电站所属的馈线条数。
根据本发明的另一个实施例,电力系统的负荷同时率为该电力系统的最大负荷除以该电力系统各组成单位的最大负荷之和,即
其中,λ表示电力系统m的负荷同时率;Lmax表示电力系统m的最大负荷;Lm,max表示电力系统m组成单位的最大负荷。
根据本发明的还有一个实施例,方法100还可以包括步骤:计算变电站在无需求侧资源作用下的、预测时间段内、负荷预测范围内的最大负荷,即
其中,表示变电站在无需求侧资源作用下预测时间段内的、负荷预测范围内的总用电量,单位为MWh;qinitial为负荷预测范围内、预测时间段内起始用电量,单位为MWh;为用电量以预测时间段为周期的平均增长率;T表示预测周期,一个预测时间段为一个周期;表示变电站无需求侧资源情况下负荷预测范围内、预测时间段内的最大负荷,单位为MW;β0为平均负荷率;H表示预测周期内有效时间总和,单位为小时。
将计算的最大负荷减去变电站在其所有需求侧资源作用下的、预测时间段内的、负荷预测范围内的区域最大负荷后乘以容载比,得到考虑需求侧资源的变电站可延缓投建的变电容量,即
其中,ΔC表示考虑需求侧资源的变电站可延缓投建的变电容量,单位为MVA;R表示容载比。
综上所述,根据本发明的考虑需求侧的电网负荷预测方法,在传统电网规划基础上融入了新的资源,将提高电网规划工作的灵活性,减少电网规划方案难以落地的情况,从而可以大大提高电网规划的执行效果。同时,其核心在于用需求侧的资源替代输配电网扩容资源,进而可减少或延迟区域内的短、长期的电网投资,有利于缓解电网公司的财务压力,并可以引导用户改善用电习惯,实现科学用电,有效降低负荷峰谷差,提高设备利用率,有利于促进国有资产保值增值。
下面以某典型220kV变电站区域用电为例,预测该区域未来5年有无需求侧资源作用下的年最大负荷。假设模拟期之前各类用户均并未引入任何需求侧资源。该变电站包含3条线路,每条线路所覆盖的用户都有工业用户、商业用户、农业用户、居民用户及其他用户五大类居民用户、工业用户、商业用户和其他用户。各线路上的用户分类及其初始用电情况详见表2-4:
表2线路1的用户及其初始用电情况
表3线路2的用户及其初始用电情况
表4线路3的用户及其初始用电情况
结合以上数据,通过方法100计算可得到目标年在需求侧资源作用下变电站各线路上不同类型用户的用电情况,具体如表5-7所示:
表5需求侧资源作用下线路1的预测结果时间:年
表6需求侧资源作用下线路2的预测结果时间:年
表7需求侧资源作用下线路3的预测结果时间:年
由上表可知,在有无需求侧资源(能效类资源和负荷类资源)的对比分析中,需求侧资源作用下三条线路上电力用户的最大负荷都呈明显的下降趋势,其下降比例均在15%以上。而且,可延缓投建变电站容量为34.4MVA。由此可知,考虑需求侧资源不仅有效降低了用户负荷水平,而且在保障系统的供电高可靠性的同时,降低了新增变电站容量。
图3示出了根据本发明一个实施例的一种考虑需求侧资源的电网负荷预测装置200,该装置200可以包括范围确定模块210、用户确定模块220、资源确定模块230以及负荷运算模块240。
范围确定模块210适于确定变电站的负荷预测范围,该负荷预测范围可以包括变电站所属的所有馈线以及每一条馈线上接入的所有电力终端用户。用户确定模块220与范围确定模块210连接,适于确定负荷预测范围内变电站所属的每一条馈线上接入的至少一类电力终端用户。
资源确定模块230与用户确定模块220连接,适于确定上述每一条馈线上接入的每一类电力终端用户包含的至少一类需求侧资源。根据本发明的一个实施例,其中需求侧资源的类型为2类,分别为能效类资源和负荷类资源,资源确定模块230适于确定上述每一条馈线上接入的每一类电力终端用户包含的至少一类需求侧资源中的至少一种能效类资源和至少一种负荷类资源。
负荷运算单元240与资源确定模块230和用户确定模块220连接,适于计算上述每一条馈线在其所有需求侧资源作用下的、预测时间段内的最大负荷。
其中,以一条馈线为例,负荷运算模块240适于分别计算一条馈线上接入的每一类电力终端用户在至少一类需求侧资源作用下的、预测时间段内的最大负荷;还适于将计算的一条馈线上接入的每一类电力终端用户的最大负荷进行累加后乘以该条馈线的负荷同时率,得到一条馈线在其所有需求侧资源作用下的、预测时间段内的最大负荷。
具体地,负荷运算单元240适于计算一类电力终端用户在无需求侧资源作用下的、预测时间段内的用电量;还适于计算该类电力终端用户分别在其每一种能效类资源作用下的、预测时间段内的电能节约量;还适于将计算的每一种能效类资源作用下、预测时间段内的电能节约量进行累加得到该类电力终端用户在其至少一种能效类资源作用下的、预测时间段内的电能节约量;还适于将无需求侧资源作用下的、预测时间段内的用电量减去所述至少一种能效类资源作用下的、预测时间段内的电能节约量得到该类电力终端用户在其至少一种能效类资源作用下的、预测时间段内的用电量;还适于根据至少一种能效类资源作用下的、预测时间段内的用电量计算该类电力终端用户在其至少一种能效类资源作用下的、预测时间段内的最大负荷。
根据本发明的一个实施例,其中该类电力终端用户在其一种能效类资源作用下的、预测时间段内的电能节约量为:
其中,Δql,n,i表示第l条馈线上第n类电力终端用户在第i种能效类资源作用下、预测时间段内的电能节约量,单位为MWh;表示第l条馈线上第n类电力终端用户在第i种能效类资源作用下、预测时间段内用电环节的初始用电量,单位为MWh;ηl,n,i为布尔变量,当ηl,n,i为1时指示该类电力终端用户有第i种能效类资源;δi表示第i种能效类资源实现的降耗率,单位为%;ΩL表示负荷预测范围内的馈线集合;Nl表示馈线l上的电力终端用户类型集合;ΩI表示馈线l上所包含的能效类资源种类集合;
该类电力终端用户在其至少一种能效类资源作用下的、预测时间段内的电能节约量为:
其中,Δql,n,EE表示馈线l上第n类用户在其至少一种能效类资源作用下、预测时间段内的电能节约量,单位为MWh;I表示该类电力终端用户的负荷类资源种类数量;
该类电力终端用户在其至少一种能效类资源作用下的、预测时间段内的用电量为:
其中,ql,n,EE表示馈线l上第n类用户在其至少一种能效类资源作用下、预测时间段内的用电量,单位为MWh;表示馈线l上第n类用户在无需求侧资源作用下预测时间段内的用电量,单位为MWh。
根据本发明的一个实施例。其中负荷运算模块240还适于根据在每一种负荷类资源作用下的负荷率和至少一种能效类资源作用下的、预测时间段内的最大负荷计算该类电力终端用户分别在其每一种负荷类资源作用下的、预测时间段内的最大负荷减少量;还适于将计算的每一种负荷类资源作用下的、预测时间段内的最大负荷减少量分别乘以该类电力终端用户对该种负荷类资源的响应概率后进行累加,得到该类电力终端用户在其至少一种负荷类资源作用下的、预测时间内的最大负荷减少量;还适于将该类电力终端用户在其至少一种能效类资源作用下的、预测时间段内的最大负荷减去在其至少一种负荷类资源作用下的、预测时间内的最大负荷减少量得到该类电力终端用户在其至少一种能效类资源和至少一种负荷类资源共同作用下的、预测时间段内的最大负荷。
其中,该类电力终端用户在其一种负荷类资源作用下的、预测时间段内的最大负荷减少量可以为:
其中,ΔPl,n,j表示第l条馈线上第n类电力终端用户在第j种负荷类资源作用下、预测时间段内的最大负荷减少量,单位为MW;表示馈线l上第n类用户在其至少一种能效类资源作用下、预测时间段内的最大负荷,单位为MW;表示馈线l上第n类用户在第j种负荷类资源作用下、预测时间段内的最大负荷,单位为MW;ηl,n,j为布尔变量,ηl,n,j为1时表示该类电力终端用户有第j种负荷类资源;βn,j表示第n类电力终端用户在第j种负荷类资源作用下的负荷率,hl,n表示第l条馈线上第n类电力终端用户预测时间段内的有效用电时间,单位为小时;ΩJ表示馈线l上所包含的负荷类资源种类集合;
该类电力终端用户在其至少一种负荷类资源作用下的、预测时间内的最大负荷减少量为:
其中,J表示该类电力终端用户的负荷类资源种类数量;λj表示该类用户响应第j种负荷类资源的概率;以及
该类电力终端用户在其至少一种能效类资源和至少一种负荷类资源共同作用下的、预测时间段内的最大负荷为:
其中,表示馈线l上第n类用户在其至少一种能效类资源和至少一种负荷类资源共同作用下的、预测时间段内的最大负荷。
则一条馈线在其所有需求侧资源作用下的、预测时间段内的最大负荷可以为:
其中,Pl DSM表示馈线l在其所有需求侧资源作用下、预测时间段内的最大负荷,单位为MW;λn表示馈线l的负荷同时率;N为馈线l上电力终端用户类型总数。
负荷运算单元240还适于将计算的负荷预测范围内变电站所属的每一条馈线的最大负荷进行累加后乘以该负荷预测范围的负荷同时率,得到所述变电站在其所有需求侧资源作用下的、预测时间段内的、负荷预测范围内的区域最大负荷。
根据本发明的一个实施例,变电站在其所有需求侧资源作用下的、预测时间段内的、负荷预测范围内的区域最大负荷为:
其中,表示区域最大负荷,单位为MW;λl表示负荷预测范围的负荷同时率;L为负荷预测范围内该变电站所属的馈线条数。
其中,电力系统的负荷同时率为该电力系统的最大负荷除以该电力系统各组成单位的最大负荷之和。根据本发明的一个实施例,电力系统的负荷同时率为:
其中,λ表示电力系统m的负荷同时率;Lmax表示电力系统m的最大负荷;Lm,max表示电力系统m组成单位的最大负荷。
根据本发明的另一个实施例,负荷运算模块240还适于计算变电站在无需求侧资源作用下的、预测时间段内、负荷预测范围内的最大负荷;还适于将计算的最大负荷减去变电站在其所有需求侧资源作用下的、预测时间段内的、负荷预测范围内的区域最大负荷后乘以容载比,得到考虑需求侧资源的变电站可延缓投建的变电容量。
其中变电站在无需求侧资源作用下的、预测时间段内、所述负荷预测范围内的最大负荷可以为:
其中,表示变电站在无需求侧资源作用下预测时间段内的、负荷预测范围内的总用电量,单位为MWh;qinitial为负荷预测范围内、预测时间段内起始用电量,单位为MWh;为用电量以预测时间段为周期的平均增长率;T表示预测周期,一个预测时间段为一个周期;表示变电站无需求侧资源情况下负荷预测范围内、预测时间段内的最大负荷,单位为MW;β0为平均负荷率;H表示预测周期内有效时间总和,单位为小时;以及
考虑需求侧资源的变电站可延缓投建的变电容量为:
其中,ΔC表示考虑需求侧资源的变电站可延缓投建的变电容量,单位为MVA;R表示容载比。
以上在结合图1~图2描述电网负荷预测方法100的具体描述中已经对装置各模块中的相应处理进行了详细说明,这里不再对重复内容进行赘述。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下被实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员应当理解在本文所公开的示例中的设备的模块或单元或组件可以布置在如该实施例中所描述的设备中,或者可替换地可以定位在与该示例中的设备不同的一个或多个设备中。前述示例中的模块可以组合为一个模块或者此外可以分成多个子模块。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
本发明还包括:A6、如A4或5所述的方法,其中根据计算的最大负荷计算该类电力终端用户在其至少一种能效类资源和至少一种负荷类资源共同作用下的、预测时间段内的最大负荷的步骤包括:根据在每一种负荷类资源作用下的负荷率和所述至少一种能效类资源作用下的、预测时间段内的最大负荷计算该类电力终端用户分别在其每一种负荷类资源作用下的、预测时间段内的最大负荷减少量;将计算的每一种负荷类资源作用下的、预测时间段内的最大负荷减少量分别乘以该类电力终端用户对该种负荷类资源的响应概率后进行累加,得到该类电力终端用户在其至少一种负荷类资源作用下的、预测时间内的最大负荷减少量;将所述该类电力终端用户在其至少一种能效类资源作用下的、预测时间段内的最大负荷减去所述在其至少一种负荷类资源作用下的、预测时间内的最大负荷减少量得到该类电力终端用户在其至少一种能效类资源和至少一种负荷类资源共同作用下的、预测时间段内的最大负荷。A7、如A6所述的方法,其中该类电力终端用户在其一种负荷类资源作用下的、预测时间段内的最大负荷减少量为:其中,ΔPl,n,j表示第l条馈线上第n类电力终端用户在第j种负荷类资源作用下、预测时间段内的最大负荷减少量,单位为MW;表示馈线l上第n类用户在其至少一种能效类资源作用下、预测时间段内的最大负荷,单位为MW;表示馈线l上第n类用户在第j种负荷类资源作用下、预测时间段内的最大负荷,单位为MW;ηl,n,j为布尔变量,ηl,n,j为1时表示该类电力终端用户有第j种负荷类资源;βn,j表示第n类电力终端用户在第j种负荷类资源作用下的负荷率,hl,n表示第l条馈线上第n类电力终端用户预测时间段内的有效用电时间,单位为小时;ΩJ表示馈线l上所包含的负荷类资源种类集合;所述该类电力终端用户在其至少一种负荷类资源作用下的、预测时间内的最大负荷减少量为:其中,J表示该类电力终端用户的负荷类资源种类数量;λj表示该类用户响应第j种负荷类资源的概率;以及所述该类电力终端用户在其至少一种能效类资源和至少一种负荷类资源共同作用下的、预测时间段内的最大负荷为:其中,表示馈线l上第n类用户在其至少一种能效类资源和至少一种负荷类资源共同作用下的、预测时间段内的最大负荷。A8、如A7所述的方法,所述一条馈线在其所有需求侧资源作用下的、预测时间段内的最大负荷为:其中,Pl DSM表示馈线l在其所有需求侧资源作用下、预测时间段内的最大负荷,单位为MW;λn表示馈线l的负荷同时率;N为馈线l上电力终端用户类型总数;所述变电站在其所有需求侧资源作用下的、所述预测时间段内的、所述负荷预测范围内的区域最大负荷为:其中,表示区域最大负荷,单位为MW;λl表示负荷预测范围的负荷同时率;L为负荷预测范围内该变电站所属的馈线条数。A9、如A8所述的方法,其中电力系统的负荷同时率为该电力系统的最大负荷除以该电力系统各组成单位的最大负荷之和。A10、如A9所述的方法,其中所述电力系统的负荷同时率为:其中,λ表示电力系统m的负荷同时率;Lmax表示电力系统m的最大负荷;Lm,max表示电力系统m组成单位的最大负荷。A11、如A8所述的方法,还包括步骤:计算所述变电站在无需求侧资源作用下的、预测时间段内、所述负荷预测范围内的最大负荷;将计算的所述最大负荷减去所述变电站在其所有需求侧资源作用下的、所述预测时间段内的、所述负荷预测范围内的区域最大负荷后乘以容载比,得到考虑需求侧资源的变电站可延缓投建的变电容量。A12、如A11所述的方法,其中所述变电站在无需求侧资源作用下的、预测时间段内、所述负荷预测范围内的最大负荷为:其中,表示变电站在无需求侧资源作用下预测时间段内的、负荷预测范围内的总用电量,单位为MWh;qinitial为负荷预测范围内、预测时间段内起始用电量,单位为MWh;为用电量以预测时间段为周期的平均增长率;T表示预测周期,一个预测时间段为一个周期;表示变电站无需求侧资源情况下负荷预测范围内、预测时间段内的最大负荷,单位为MW;β0为平均负荷率;H表示预测周期内有效时间总和,单位为小时;以及考虑需求侧资源的变电站可延缓投建的变电容量为:其中,ΔC表示考虑需求侧资源的变电站可延缓投建的变电容量,单位为MVA;R表示容载比。
B18、如B16或17所述的装置,其中所述负荷运算模块还适于根据在每一种负荷类资源作用下的负荷率和所述至少一种能效类资源作用下的、预测时间段内的最大负荷计算该类电力终端用户分别在其每一种负荷类资源作用下的、预测时间段内的最大负荷减少量;还适于将计算的每一种负荷类资源作用下的、预测时间段内的最大负荷减少量分别乘以该类电力终端用户对该种负荷类资源的响应概率后进行累加,得到该类电力终端用户在其至少一种负荷类资源作用下的、预测时间内的最大负荷减少量;还适于将所述该类电力终端用户在其至少一种能效类资源作用下的、预测时间段内的最大负荷减去所述在其至少一种负荷类资源作用下的、预测时间内的最大负荷减少量得到该类电力终端用户在其至少一种能效类资源和至少一种负荷类资源共同作用下的、预测时间段内的最大负荷。B19、如B18所述的装置,其中该类电力终端用户在其一种负荷类资源作用下的、预测时间段内的最大负荷减少量为:其中,ΔPl,n,j表示第l条馈线上第n类电力终端用户在第j种负荷类资源作用下、预测时间段内的最大负荷减少量,单位为MW;表示馈线l上第n类用户在其至少一种能效类资源作用下、预测时间段内的最大负荷,单位为MW;表示馈线l上第n类用户在第j种负荷类资源作用下、预测时间段内的最大负荷,单位为MW;ηl,n,j为布尔变量,ηl,n,j为1时表示该类电力终端用户有第j种负荷类资源;βn,j表示第n类电力终端用户在第j种负荷类资源作用下的负荷率,hl,n表示第l条馈线上第n类电力终端用户预测时间段内的有效用电时间,单位为小时;ΩJ表示馈线l上所包含的负荷类资源种类集合;所述该类电力终端用户在其至少一种负荷类资源作用下的、预测时间内的最大负荷减少量为:其中,J表示该类电力终端用户的负荷类资源种类数量;λj表示该类用户响应第j种负荷类资源的概率;以及所述该类电力终端用户在其至少一种能效类资源和至少一种负荷类资源共同作用下的、预测时间段内的最大负荷为:其中,表示馈线l上第n类用户在其至少一种能效类资源和至少一种负荷类资源共同作用下的、预测时间段内的最大负荷。B20、如B19所述的装置,所述一条馈线在其所有需求侧资源作用下的、预测时间段内的最大负荷为:其中,Pl DSM表示馈线l在其所有需求侧资源作用下、预测时间段内的最大负荷,单位为MW;λn表示馈线l的负荷同时率;N为馈线l上电力终端用户类型总数;所述变电站在其所有需求侧资源作用下的、所述预测时间段内的、所述负荷预测范围内的区域最大负荷为:其中,表示区域最大负荷,单位为MW;λl表示负荷预测范围的负荷同时率;L为负荷预测范围内该变电站所属的馈线条数。B21、如B20所述的装置,其中电力系统的负荷同时率为该电力系统的最大负荷除以该电力系统各组成单位的最大负荷之和。B22、如B21所述的装置,其中所述电力系统的负荷同时率为:其中,λ表示电力系统m的负荷同时率;Lmax表示电力系统m的最大负荷;Lm,max表示电力系统m组成单位的最大负荷。B23、如B20所述的装置,所述负荷运算模块还适于计算所述变电站在无需求侧资源作用下的、预测时间段内、所述负荷预测范围内的最大负荷;还适于将计算的所述最大负荷减去所述变电站在其所有需求侧资源作用下的、所述预测时间段内的、所述负荷预测范围内的区域最大负荷后乘以容载比,得到考虑需求侧资源的变电站可延缓投建的变电容量。B24、如B23所述的装置,其中所述变电站在无需求侧资源作用下的、预测时间段内、所述负荷预测范围内的最大负荷为:其中,表示变电站在无需求侧资源作用下预测时间段内的、负荷预测范围内的总用电量,单位为MWh;qinitial为负荷预测范围内、预测时间段内起始用电量,单位为MWh;为用电量以预测时间段为周期的平均增长率;T表示预测周期,一个预测时间段为一个周期;表示变电站无需求侧资源情况下负荷预测范围内、预测时间段内的最大负荷,单位为MW;β0为平均负荷率;H表示预测周期内有效时间总和,单位为小时;以及考虑需求侧资源的变电站可延缓投建的变电容量为:其中,ΔC表示考虑需求侧资源的变电站可延缓投建的变电容量,单位为MVA;R表示容载比。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
此外,所述实施例中的一些在此被描述成可以由计算机系统的处理器或者由执行所述功能的其它装置实施的方法或方法元素的组合。因此,具有用于实施所述方法或方法元素的必要指令的处理器形成用于实施该方法或方法元素的装置。此外,装置实施例的在此所述的元素是如下装置的例子:该装置用于实施由为了实施该发明的目的的元素所执行的功能。
如在此所使用的那样,除非另行规定,使用序数词“第一”、“第二”、“第三”等等来描述普通对象仅仅表示涉及类似对象的不同实例,并且并不意图暗示这样被描述的对象必须具有时间上、空间上、排序方面或者以任意其它方式的给定顺序。
尽管根据有限数量的实施例描述了本发明,但是受益于上面的描述,本技术领域内的技术人员明白,在由此描述的本发明的范围内,可以设想其它实施例。此外,应当注意,本说明书中使用的语言主要是为了可读性和教导的目的而选择的,而不是为了解释或者限定本发明的主题而选择的。因此,在不偏离所附权利要求书的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围,对本发明所做的公开是说明性的,而非限制性的,本发明的范围由所附权利要求书限定。
Claims (10)
1.一种考虑需求侧资源的电网负荷预测方法,该方法包括:
确定变电站的负荷预测范围;
确定所述负荷预测范围内所述变电站所属的每一条馈线上接入的至少一类电力终端用户;
确定所述每一条馈线上接入的每一类电力终端用户包含的至少一类需求侧资源;
计算所述每一条馈线在其所有需求侧资源作用下的、所述预测时间段内的最大负荷,包括:
分别计算所述一条馈线上接入的每一类电力终端用户在所述至少一类需求侧资源作用下的、预测时间段内的最大负荷;
将计算的所述一条馈线上接入的每一类电力终端用户的最大负荷进行累加后乘以该条馈线的负荷同时率,得到所述一条馈线在其所有需求侧资源作用下的、预测时间段内的最大负荷;
将计算的所述负荷预测范围内变电站所属的每一条馈线的最大负荷进行累加后乘以该负荷预测范围的负荷同时率,得到所述变电站在其所有需求侧资源作用下的、所述预测时间段内的、所述负荷预测范围内的区域最大负荷。
2.如权利要求1所述的方法,其中所述需求侧资源的类型为2类,分别为能效类资源和负荷类资源,所述确定每一条馈线上接入的每一类电力终端用户包含的至少一类需求侧资源的步骤还包括:
确定所述每一条馈线上接入的每一类电力终端用户包含的至少一类需求侧资源中的至少一种能效类资源和至少一种负荷类资源。
3.如权利要求2所述的方法,其中计算一类电力终端用户在至少一类需求侧资源作用下的、预测时间段内的最大负荷的步骤包括:
计算所述一类电力终端用户在其至少一种能效类资源作用下的、预测时间段内的最大负荷;
根据计算的所述最大负荷计算该类电力终端用户在其至少一种能效类资源和至少一种负荷类资源共同作用下的、预测时间段内的最大负荷。
4.如权利要求3所述的方法,其中所述计算一类电力终端用户在其至少一种能效类资源作用下的、预测时间段内的最大负荷的步骤包括:
计算所述一类电力终端用户在无需求侧资源作用下的、预测时间段内的用电量;
计算该类电力终端用户分别在其每一种能效类资源作用下的、预测时间段内的电能节约量;
将所述计算的每一种能效类资源作用下、预测时间段内的电能节约量进行累加得到该类电力终端用户在其至少一种能效类资源作用下的、预测时间段内的电能节约量;
将所述无需求侧资源作用下的、预测时间段内的用电量减去所述至少一种能效类资源作用下的、预测时间段内的电能节约量得到该类电力终端用户在其至少一种能效类资源作用下的、预测时间段内的用电量;
根据所述至少一种能效类资源作用下的、预测时间段内的用电量计算该类电力终端用户在其至少一种能效类资源作用下的、预测时间段内的最大负荷。
5.如权利要求4所述的方法,其中所述该类电力终端用户在其一种能效类资源作用下的、预测时间段内的电能节约量为:
其中,Δql,n,i表示第l条馈线上第n类电力终端用户在第i种能效类资源作用下、预测时间段内的电能节约量,单位为MWh;表示第l条馈线上第n类电力终端用户在第i种能效类资源作用下、预测时间段内用电环节的初始用电量,单位为MWh;ηl,n,i为布尔变量,当ηl,n,i为1时指示该类电力终端用户有第i种能效类资源;δi表示第i种能效类资源实现的降耗率,单位为%;ΩL表示负荷预测范围内的馈线集合;Nl表示馈线l上的电力终端用户类型集合;ΩI表示馈线l上所包含的能效类资源种类集合;
所述该类电力终端用户在其至少一种能效类资源作用下的、预测时间段内的电能节约量为:
其中,Δql,n,EE表示馈线l上第n类用户在其至少一种能效类资源作用下、预测时间段内的电能节约量,单位为MWh;I表示该类电力终端用户的负荷类资源种类数量;
所述该类电力终端用户在其至少一种能效类资源作用下的、预测时间段内的用电量为:
其中,ql,n,EE表示馈线l上第n类用户在其至少一种能效类资源作用下、预测时间段内的用电量,单位为MWh;表示馈线l上第n类用户在无需求侧资源作用下预测时间段内的用电量,单位为MWh。
6.一种考虑需求侧资源的电网负荷预测装置,该装置包括:
范围确定模块,适于确定变电站的负荷预测范围;
用户确定模块,适于确定所述负荷预测范围内所述变电站所属的每一条馈线上接入的至少一类电力终端用户;
资源确定模块,适于确定所述每一条馈线上接入的每一类电力终端用户包含的至少一类需求侧资源;
负荷运算单元,适于计算每一条馈线在其所有需求侧资源作用下的、所述预测时间段内的最大负荷,其中,
适于分别计算一条馈线上接入的每一类电力终端用户在所述至少一类需求侧资源作用下的、预测时间段内的最大负荷;
还适于将计算的所述一条馈线上接入的每一类电力终端用户的最大负荷进行累加后乘以该条馈线的负荷同时率,得到所述一条馈线在其所有需求侧资源作用下的、预测时间段内的最大负荷;
负荷运算单元还适于将计算的所述负荷预测范围内变电站所属的每一条馈线的最大负荷进行累加后乘以该负荷预测范围的负荷同时率,得到所述变电站在其所有需求侧资源作用下的、所述预测时间段内的、所述负荷预测范围内的区域最大负荷。
7.如权利要求6所述的装置,其中所述需求侧资源的类型为2类,分别为能效类资源和负荷类资源,所述资源确定模块还适于确定所述每一条馈线上接入的每一类电力终端用户包含的至少一类需求侧资源中的至少一种能效类资源和至少一种负荷类资源。
8.如权利要求7所述的装置,其中计算一类电力终端用户在至少一类需求侧资源作用下的、预测时间段内的最大负荷的步骤包括:
计算所述一类电力终端用户在其至少一种能效类资源作用下的、预测时间段内的最大负荷;
根据计算的所述最大负荷计算该类电力终端用户在其至少一种能效类资源和至少一种负荷类资源共同作用下的、预测时间段内的最大负荷。
9.如权利要求8所述的装置,其中所述负荷运算单元还适于计算所述一类电力终端用户在无需求侧资源作用下的、预测时间段内的用电量;还适于计算该类电力终端用户分别在其每一种能效类资源作用下的、预测时间段内的电能节约量;还适于将所述计算的每一种能效类资源作用下、预测时间段内的电能节约量进行累加得到该类电力终端用户在其至少一种能效类资源作用下的、预测时间段内的电能节约量;还适于将所述无需求侧资源作用下的、预测时间段内的用电量减去所述至少一种能效类资源作用下的、预测时间段内的电能节约量得到该类电力终端用户在其至少一种能效类资源作用下的、预测时间段内的用电量;还适于根据所述至少一种能效类资源作用下的、预测时间段内的用电量计算该类电力终端用户在其至少一种能效类资源作用下的、预测时间段内的最大负荷。
10.如权利要求9所述的装置,其中所述该类电力终端用户在其一种能效类资源作用下的、预测时间段内的电能节约量为:
其中,Δql,n,i表示第l条馈线上第n类电力终端用户在第i种能效类资源作用下、预测时间段内的电能节约量,单位为MWh;表示第l条馈线上第n类电力终端用户在第i种能效类资源作用下、预测时间段内用电环节的初始用电量,单位为MWh;ηl,n,i为布尔变量,当ηl,n,i为1时指示该类电力终端用户有第i种能效类资源;δi表示第i种能效类资源实现的降耗率,单位为%;ΩL表示负荷预测范围内的馈线集合;Nl表示馈线l上的电力终端用户类型集合;ΩI表示馈线l上所包含的能效类资源种类集合;
所述该类电力终端用户在其至少一种能效类资源作用下的、预测时间段内的电能节约量为:
其中,Δql,n,EE表示馈线l上第n类用户在其至少一种能效类资源作用下、预测时间段内的电能节约量,单位为MWh;I表示该类电力终端用户的负荷类资源种类数量;
所述该类电力终端用户在其至少一种能效类资源作用下的、预测时间段内的用电量为:
其中,ql,n,EE表示馈线l上第n类用户在其至少一种能效类资源作用下、预测时间段内的用电量,单位为MWh;表示馈线l上第n类用户在无需求侧资源作用下预测时间段内的用电量,单位为MWh。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610161027.8A CN105787603A (zh) | 2016-03-21 | 2016-03-21 | 一种考虑需求侧资源的电网负荷预测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610161027.8A CN105787603A (zh) | 2016-03-21 | 2016-03-21 | 一种考虑需求侧资源的电网负荷预测方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105787603A true CN105787603A (zh) | 2016-07-20 |
Family
ID=56394217
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610161027.8A Pending CN105787603A (zh) | 2016-03-21 | 2016-03-21 | 一种考虑需求侧资源的电网负荷预测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105787603A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106680568A (zh) * | 2016-11-16 | 2017-05-17 | 合肥普望电子有限责任公司 | 一种配电网高压线路电压波动预测方法 |
CN106779186A (zh) * | 2016-11-30 | 2017-05-31 | 新奥泛能网络科技股份有限公司 | 一种基于不同业态的用能主体的供能规模确定方法及装置 |
CN106786622A (zh) * | 2017-02-10 | 2017-05-31 | 云南电网有限责任公司电力科学研究院 | 一种基于需求侧用电成本差异化控制负荷率的方法及系统 |
CN108345954A (zh) * | 2017-11-16 | 2018-07-31 | 北京四方继保自动化股份有限公司 | 配电网线路短期负荷预测方法及装置 |
CN108596354A (zh) * | 2017-05-08 | 2018-09-28 | 新奥泛能网络科技股份有限公司 | 一种设施规模与供能范围的优化方法及装置 |
CN110363326A (zh) * | 2019-05-31 | 2019-10-22 | 广东电网有限责任公司 | 一种电网110kV线路短期负荷曲线预测方法 |
CN112488426A (zh) * | 2020-12-21 | 2021-03-12 | 深圳供电局有限公司 | 一种自下而上的差异化用电需求预测方法及系统 |
CN115994679A (zh) * | 2023-03-24 | 2023-04-21 | 国网山东省电力公司青岛供电公司 | 一种基于负荷预测修正的区域电网主动规划方法及系统 |
-
2016
- 2016-03-21 CN CN201610161027.8A patent/CN105787603A/zh active Pending
Non-Patent Citations (1)
Title |
---|
史慧: "考虑需求侧资源的新型电网规划模式研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106680568A (zh) * | 2016-11-16 | 2017-05-17 | 合肥普望电子有限责任公司 | 一种配电网高压线路电压波动预测方法 |
CN106779186A (zh) * | 2016-11-30 | 2017-05-31 | 新奥泛能网络科技股份有限公司 | 一种基于不同业态的用能主体的供能规模确定方法及装置 |
CN106779186B (zh) * | 2016-11-30 | 2021-04-06 | 新奥泛能网络科技股份有限公司 | 一种基于不同业态的用能主体的供能规模确定方法及装置 |
CN106786622A (zh) * | 2017-02-10 | 2017-05-31 | 云南电网有限责任公司电力科学研究院 | 一种基于需求侧用电成本差异化控制负荷率的方法及系统 |
CN108596354A (zh) * | 2017-05-08 | 2018-09-28 | 新奥泛能网络科技股份有限公司 | 一种设施规模与供能范围的优化方法及装置 |
CN108345954A (zh) * | 2017-11-16 | 2018-07-31 | 北京四方继保自动化股份有限公司 | 配电网线路短期负荷预测方法及装置 |
CN110363326A (zh) * | 2019-05-31 | 2019-10-22 | 广东电网有限责任公司 | 一种电网110kV线路短期负荷曲线预测方法 |
CN110363326B (zh) * | 2019-05-31 | 2022-02-11 | 广东电网有限责任公司 | 一种电网110kV线路短期负荷曲线预测方法 |
CN112488426A (zh) * | 2020-12-21 | 2021-03-12 | 深圳供电局有限公司 | 一种自下而上的差异化用电需求预测方法及系统 |
CN115994679A (zh) * | 2023-03-24 | 2023-04-21 | 国网山东省电力公司青岛供电公司 | 一种基于负荷预测修正的区域电网主动规划方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105787603A (zh) | 一种考虑需求侧资源的电网负荷预测方法和装置 | |
Wang et al. | Multi-objective optimization model of source–load–storage synergetic dispatch for a building energy management system based on TOU price demand response | |
Jin et al. | Foresee: A user-centric home energy management system for energy efficiency and demand response | |
Macedo et al. | Demand side management using artificial neural networks in a smart grid environment | |
Malheiro et al. | Integrated sizing and scheduling of wind/PV/diesel/battery isolated systems | |
Li et al. | Electricity demand response in China: Status, feasible market schemes and pilots | |
Alipour et al. | Short-term scheduling of combined heat and power generation units in the presence of demand response programs | |
Yang et al. | Optimal energy flow control strategy for a residential energy local network combined with demand-side management and real-time pricing | |
He et al. | Urban long term electricity demand forecast method based on system dynamics of the new economic normal: the case of Tianjin | |
Safamehr et al. | A cost-efficient and reliable energy management of a micro-grid using intelligent demand-response program | |
Bennett et al. | Development of a three-phase battery energy storage scheduling and operation system for low voltage distribution networks | |
Neves et al. | Comparison of different demand response optimization goals on an isolated microgrid | |
Rezvan et al. | Robust optimization of distributed generation investment in buildings | |
CN106532769A (zh) | 基于光伏并网不确定性的需求侧分时电价的优化方法 | |
CN107301472A (zh) | 基于场景分析法和电压调节策略的分布式光伏规划方法 | |
He et al. | Real-time electricity pricing mechanism in China based on system dynamics | |
Ding et al. | Promoting energy-saving and environmentally friendly generation dispatching model in China: Phase development and case studies | |
Wang et al. | Flexible multi-energy scheduling scheme for data center to facilitate wind power integration | |
Nguyen et al. | Artificial ecosystem optimization for optimizing of position and operational power of battery energy storage system on the distribution network considering distributed generations | |
Cheng et al. | Machine learning enabled learning based optimization algorithm in digital twin simulator for management of smart islanded solar-based microgrids | |
Wang et al. | A data-driven load forecasting method for incentive demand response | |
Liu et al. | Multi-objective optimal scheduling of community integrated energy system considering comprehensive customer dissatisfaction model | |
Zhong et al. | A logic-based geometrical model for the next day operation of PV-battery systems | |
CN113869927B (zh) | 一种促进社区微网内部多产消者能源共享的分时定价方法 | |
Kaminski et al. | Evaluation of commercial building clusters with energy storage to reduce reliance on electrical utility grids |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160720 |