CN106529728A - 一种计及需求响应措施的负荷区间预测方法 - Google Patents
一种计及需求响应措施的负荷区间预测方法 Download PDFInfo
- Publication number
- CN106529728A CN106529728A CN201611022040.1A CN201611022040A CN106529728A CN 106529728 A CN106529728 A CN 106529728A CN 201611022040 A CN201611022040 A CN 201611022040A CN 106529728 A CN106529728 A CN 106529728A
- Authority
- CN
- China
- Prior art keywords
- load
- demand response
- implementation effect
- effect rate
- demand
- 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
- 230000004044 response Effects 0.000 title claims abstract description 44
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000005611 electricity Effects 0.000 claims abstract description 20
- 230000000694 effects Effects 0.000 claims description 35
- 230000009467 reduction Effects 0.000 claims description 15
- 238000000205 computational method Methods 0.000 claims description 2
- 238000013439 planning Methods 0.000 abstract description 8
- 238000005516 engineering process Methods 0.000 abstract description 5
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 230000008859 change Effects 0.000 description 10
- 240000002853 Nelumbo nucifera Species 0.000 description 4
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 4
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 4
- 238000012417 linear regression Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000013277 forecasting method Methods 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000005070 sampling Methods 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- 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
Abstract
本发明公开了一种计及需求响应措施的负荷区间预测方法,采用负荷还原技术、消费者心理学、电力需求弹性、同时率相乘和曲线叠加等方法,充分考虑了多种需求响应对负荷预测的影响,与目前仅考虑温度经济等因素的负荷预测相比,本发明顺应智能电网的发展趋势,在原有的负荷预测中加大了用户主观行为的影响,区间的给出给予了一定的调控空间,为多项需求响应共同开展下公司配用电系统相关业务的规划设计及试点应用等提供决策参考。
Description
技术领域
本发明属于电力系统负荷预测和规划领域,涉及一种计及需求响应措施的负荷区间预测方法。
背景技术
电力是社会发展的基础,作为整个国家能源战略的核心要素,在现代社会起着不可或缺的作用。电力负荷特性的分析和预测是电力系统研究、规划和运维中必不可少的重要支撑技术之一,也是电力系统可靠运行、高效运行和经济运行的重要保障。
需求响应是现代电力系统在电力市场条件下产生的用电管理概念,电力用户针对市场价格信号或者激励机制做出响应,并改变过去的电力消费模式,优化用电方式,从而提高终端用电效率,在完成同样用电功能的同时减少电力功率和电量消耗,实现低成本电力服务,达到节约能源和保护环境的目的。它突破了传统的电力管理模式,改变了依靠单纯地扩大供应能力以满足日益增长的电力需要的方式,在更高层次上处理供应侧和需求侧的关系。随着当前国家节能减排工作的重视,需求响应已经成为各级电网公司日常工作的重要组成部分。
需求响应对负荷特性的改变具有明显作用,而目前的负荷预测工作大多是从经济、社会、气象等方面来预测未来负荷,因此传统的负荷预测模型将不足以正确表达负荷的发展趋势,需要系统考虑需求响应对负荷预测的影响,以提高负荷预测的准确性。
发明内容
发明目的:为了解决现有技术中的负荷预测方法准确性低的问题,本发明提供一种计及需求响应措施的负荷区间预测方法,能够更好地反映负荷的变化情况。
技术方案:为了实现上述目的,本发明中的计及需求响应措施的负荷区间预测方法,包括以下步骤:
步骤1:获取待预测区域在待预测时段之前某一历史时段的SCADA显示负荷数据、负荷需求响应措施和相应的历史负荷数据;
步骤2:建立负荷需求响应措施的执行效果率模型;
步骤3:根据步骤2中的执行效果率模型,求出历史时段负荷需求响应措施的执行效果率,并对该历史时段的SCADA显示负荷进行还原,得到该历史时段的SCADA还原负荷;
步骤4:利用步骤3中历史时段的SCADA还原负荷,通过时间序列法预测出该待预测时间段的基础负荷区间;
步骤5:根据待预测时间段的实际需求响应规划,根据步骤2中的执行效果率模型求出预测时间段的需求响应措施执行效果率;
步骤6:根据步骤5中求出的执行效果率对步骤3中预测出的基础负荷区间进行修正,得到该预测时段计及需求响应措施的预测负荷区间。
有益效果:本发明中计及需求响应措施的负荷区间预测方法,利用大数据技术SCADA进行预测负荷区间,首先考虑分时电价、尖峰电价、实时电价、可中断负荷等可能存在的多种需求响应措施将历史时段的SCADA显示负荷数据进行还原得到未进行需求响应的负荷,然后再估计待预测时段的基础负荷区间,最后再将需求响应措施的影响添加进来得到预测负荷区间。本发明方法可适应各地区的实际情况,而负荷还原技术的应用易于与原有的负荷预测算法相结合;采用本方法,能够更加完善地考虑需求响应对负荷的影响,使得负荷预测结果更加准确,对电力系统规划、运行和调度提供良好的指导意义。
附图说明
图1为本发明中计及需求响应措施的负荷区间预测方法流程图。
具体实施方式
下面结合实施例对本发明做进一步的详细说明,本实施列对本发明不构成限定。
如图1所示,本发明中计及需求响应措施的负荷区间预测方法,包括以下步骤:
步骤1:获取待预测区域在待预测时段之前某一历史时段的SCADA显示负荷数据、负荷需求响应措施和相应的历史负荷数据。
上述待预测时段可以是目标年份,其之前的某一历史时段可以是目标年份之前的若干年。
目前,常见的负荷需求响应措施有分时电价、尖峰电价、实时电价和可中断负荷,电力系统对负荷进行规划中有时会采用一种负荷需求响应措施,有时会多种并存。
不同的负荷需求响应措施所依据的数据也不同,例如:对于分时电价、尖峰电价和实时电价需求响应措施主要依据各行业电价数据,而可中断负荷需求响应措施则主要依据企业详细负控数据以及可中断负荷合同方案。因此,根据负荷需求响应措施获取相应的负荷数据和需求响应规划数据。
步骤2:建立需求响应的执行效果率模型。
不同的负荷需求响应措施具有不同的执行效果,下面分别介绍不同响应措施的执行效果计算方法。
(1)分时电价响应措施的执行效果计算
分时电价措施根据消费者心理学模型,可得实施分时电价之后的负荷变化由各时段的电价差所对应的负荷转移率确定,总结成公式如下:
式中μfg为峰谷电价差导致峰时段产生的单位负荷减少量与实行TOU前峰时段平均负荷的比值,μfp为峰平电价差导致峰时段产生的单位时段负荷减少量与实行TOU前峰时段平均负荷的比值,μpg为平谷电价差导致平时段产生的单位负荷减少量与实行TOU前平时段平均负荷的比值。均可通过消费者心理学曲线读取。
设削峰量所占原有峰值的比例为分时电价的执行效果率CTOU,则
其中∑L(k)为实施分时电价后各行业类型典型日负荷的叠加和,∑L(k0)为未实施分时电价时各行业类型典型日负荷的叠加和。
(2)尖峰电价响应措施的执行效果计算
尖峰电价实施后,根据目前江苏的尖峰电价政策,一天可分为尖峰、峰、平、谷四个时段,且除尖峰时段外,其他时段价格不变。根据电力需求弹性模型,可得简化公式如下:
式中ρ尖尖为尖峰时段的自弹性系数,ρ峰尖、ρ平尖、ρ谷尖分别为尖峰时段和峰时段、平时段、谷时段之间的交叉弹性系数;ΔQ/Q为电量变化率,ΔP/P为电价变化率。
假设每个时间段中变化的电量都平均分配在各个时间点上,则电价调整后各时间点的负荷变化为:
其中Qi0和Qi1分别为尖峰电价实施前后第i时段(第k小时所属时段)的电量,Ti为第i时段的时长。
定义尖峰电价的效果率为尖峰电价削减的峰荷量占未实施尖峰电价时的最大负荷量的比例,记为CCPP,则
其中∑L(k)为实施尖峰电价后各行业类型典型日负荷的叠加和,∑L(k0)为未实施尖峰电价时各行业类型典型日负荷的叠加和。
(3)实时电价响应措施的执行效果计算
实时电价比较特殊,其电价变化周期非常短。设实时电价1小时变化一次,根据电力需求弹性系数的模型,在不考虑运营商与用户之间的合约关系的情况下,将自弹性与交叉弹性的响应行为合并,即得到实时电价需求响应模型:
其中i=1、2、…24;Qi0为i时段初始电量,Qi为i时段实时电价后变化后的电量;Pj0为j时段的初始价格,Pj为j时段实时电价后的价格;当i=j时,ρij为需求价格自弹性系数,当i≠j时,ρij为需求价格交叉弹性系数。
第l天第i时段的电量变化的具体情况:
假设第i时段的电量在第i时段中均匀分配,则可以得到第l天第i时段负荷的变化量为:
其中Ti为第i时段的时长。
与分时电价类似,定义峰荷减少量所占原有峰荷的比例为实时电价的执行效果率CRTP,则
其中ΣL(k)为实施实时电价后各行业类型典型日负荷的叠加和,ΣL(k0)为未实施实时电价时各行业类型典型日负荷的叠加和。
(4)可中断负荷响应措施的执行效果计算
可中断负荷的实际降负荷效果和该措施的执行力度有很大的关系,执行力度可以通过同时率相乘法和曲线叠加法来求。
同时率相乘法求执行力度:①在实施可中断负荷IL的时间范围内,获取第i天的气象数据、参与IL的各样本企业的最大负荷Lij'和日期类型(j代表各企业);②根据各样本企业未参与IL时的历史数据,结合第i天的气象数据和日期类型,利用多元线性回归预测出第i天各企业的还原负荷(不考虑参与IL的负荷)Lij;③结合第i天的样本企业的总规划降负荷量ΣLif和同时率k,可以得到第i天的IL执行力度④IL的平均执行力度其中N为可以求得IL执行力度的天数。
曲线叠加法求执行力度:①在实施IL的时间范围内,获取第i天的气象数据、参与IL的各企业的负荷曲线点集lij'(k)和日期类型(j代表各企业,k=0,1,2,…,23);②根据各企业未参与IL时的历史数据,结合第i天的气象数据和日期类型,利用多元线性回归预测出第i天各企业的还原负荷曲线点集lij(k)(不考虑参与IL的负荷);③将第i天各企业的实际负荷曲线和还原负荷曲线分别按点进行叠加并选取最大值max(Σlij'(k))和max(∑lij(k)),则第i天的IL执行力度④IL的平均执行力度其中N为可以求得IL执行力度的天数。
根据抽样原理,将求得的IL平均执行力度扩展到所有参与IL的企业中去,可得第i天实际IL降负荷量为:
ΔLi=Sif×Riv (10)
式中Riv为IL平均执行力度,Sif为第i天的参与IL的所有企业的总规划降负荷量;
则还原得到的第i天负荷值Li为:
Li=Li'+ΔLi (11)
其中Li'为第i天的实际负荷,Li为第i日的还原负荷;
则第i天的可中断负荷执行效果率为:
步骤3:根据步骤2中的模型,根据历史时段的实际需求响应规划,求得历史时段需求响应措施的执行效果,并对该历史时段的SCADA显示负荷进行还原,得到该历史时段未执行需求响应措施的负荷情况,为了便于描述称之为SCADA还原负荷。
例如,若待预测地区在历史时段的实际需求响应为实时电价——可中断负荷,则该地区的需求响应效果率为:
CDR=1-(1-CRTP)(1-CIL) (13)
第i天的SCADA显示负荷为Li,则SCADA还原负荷为
步骤4:利用步骤3中历史时段的SCADA还原负荷,通过时间序列法预测出待预测时间段未计及需求响应的负荷,得到该待预测时间段的基础负荷区间。
步骤5:根据待预测时间段的实际需求响应规划(包括实际电价和可中断负荷规划等),根据步骤2中的模型求出预测时间段的需求响应措施执行效果率。
步骤6:则根据步骤5中求出的执行效果率对步骤3中预测出的基础负荷区间进行修正,得到该预测时段计及需求响应措施的预测负荷区间。
以上仅是本发明的优选实施方式,应当指出以上实施列对本发明不构成限定,相关工作人员在不偏离本发明技术思想的范围内,所进行的多样变化和修改,均落在本发明的保护范围内。
Claims (5)
1.一种计及需求响应措施的负荷区间预测方法,其特征在于,该计算方法包括如下步骤:
步骤1:获取待预测区域在待预测时段之前某一历史时段的SCADA显示负荷数据、负荷需求响应措施和相应的历史负荷数据;
步骤2:建立负荷需求响应措施的执行效果率模型;
步骤3:根据步骤2中的执行效果率模型,求出历史时段负荷需求响应措施的执行效果率,并对该历史时段的SCADA显示负荷进行还原,得到该历史时段的SCADA还原负荷;
步骤4:利用步骤3中历史时段的SCADA还原负荷,通过时间序列法预测出该待预测时间段的基础负荷区间;
步骤5:根据待预测时间段的实际需求响应规划,根据步骤2中的执行效果率模型求出预测时间段的需求响应措施执行效果率;
步骤6:根据步骤5中求出的执行效果率对步骤3中预测出的基础负荷区间进行修正,得到该预测时段计及需求响应措施的预测负荷区间。
2.根据权利要求1所述的计及需求响应措施的负荷区间预测方法,其特征在于,若步骤1中的负荷需求响应措施为分时电价,则步骤2中的执行效果率模型为:
式中,∑L(k)为实施分时电价后各行业类型典型日负荷的叠加和,∑L(k0)为未实施分时电价时各行业类型典型日负荷的叠加和。
3.根据权利要求1所述的计及需求响应措施的负荷区间预测方法,其特征在于,若步骤1中的负荷需求响应措施为尖峰电价,则步骤2中的执行效果率模型为:
式中,∑L(k)为实施尖峰电价后各行业类型典型日负荷的叠加和,∑L(k0)为未实施尖峰电价时各行业类型典型日负荷的叠加和。
4.根据权利要求1所述的计及需求响应措施的负荷区间预测方法,其特征在于,若步骤1中的负荷需求响应措施为实时电价,则步骤2中的执行效果率模型为:
式中,∑L(k)为实施实时电价后各行业类型典型日负荷的叠加和,∑L(k0)为未实施实时电价时各行业类型典型日负荷的叠加和。
5.根据权利要求1所述的计及需求响应措施的负荷区间预测方法,其特征在于,若步骤1中的负荷需求响应措施为可中断负荷,则步骤2中的执行效果率模型为:
式中,CIL表示第i天的可中断负荷执行效果率,Li为第i天的还原负荷,ΔLi为第i天的实际负荷与第i天的还原负荷之间的差值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611022040.1A CN106529728A (zh) | 2016-11-16 | 2016-11-16 | 一种计及需求响应措施的负荷区间预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611022040.1A CN106529728A (zh) | 2016-11-16 | 2016-11-16 | 一种计及需求响应措施的负荷区间预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106529728A true CN106529728A (zh) | 2017-03-22 |
Family
ID=58353027
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611022040.1A Pending CN106529728A (zh) | 2016-11-16 | 2016-11-16 | 一种计及需求响应措施的负荷区间预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106529728A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109783716A (zh) * | 2019-01-21 | 2019-05-21 | 贵州黔源电力股份有限公司 | 一种电力供需数据自动提取和处理系统及方法 |
CN111210055A (zh) * | 2019-12-24 | 2020-05-29 | 贵州电网有限责任公司贵安供电局 | 一种电力用户用电行为预测方法和预测系统 |
CN111210051A (zh) * | 2019-12-13 | 2020-05-29 | 贵州电网有限责任公司贵安供电局 | 一种用户用电行为预测方法及系统 |
CN116736780A (zh) * | 2023-08-15 | 2023-09-12 | 贵州汇通华城股份有限公司 | 一种区域能源站的开关机控制优化方法和系统 |
-
2016
- 2016-11-16 CN CN201611022040.1A patent/CN106529728A/zh active Pending
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109783716A (zh) * | 2019-01-21 | 2019-05-21 | 贵州黔源电力股份有限公司 | 一种电力供需数据自动提取和处理系统及方法 |
CN109783716B (zh) * | 2019-01-21 | 2020-02-21 | 贵州黔源电力股份有限公司 | 一种电力供需数据自动提取和处理系统及方法 |
CN111210051A (zh) * | 2019-12-13 | 2020-05-29 | 贵州电网有限责任公司贵安供电局 | 一种用户用电行为预测方法及系统 |
CN111210051B (zh) * | 2019-12-13 | 2023-09-22 | 贵州电网有限责任公司 | 一种用户用电行为预测方法及系统 |
CN111210055A (zh) * | 2019-12-24 | 2020-05-29 | 贵州电网有限责任公司贵安供电局 | 一种电力用户用电行为预测方法和预测系统 |
CN111210055B (zh) * | 2019-12-24 | 2023-09-29 | 贵州电网有限责任公司 | 一种电力用户用电行为预测方法和预测系统 |
CN116736780A (zh) * | 2023-08-15 | 2023-09-12 | 贵州汇通华城股份有限公司 | 一种区域能源站的开关机控制优化方法和系统 |
CN116736780B (zh) * | 2023-08-15 | 2023-11-24 | 贵州汇通华城股份有限公司 | 一种区域能源站的开关机控制优化方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Elgamal et al. | Optimization of a multiple-scale renewable energy-based virtual power plant in the UK | |
Lebotsa et al. | Short term electricity demand forecasting using partially linear additive quantile regression with an application to the unit commitment problem | |
Ferreira et al. | Demand response models with correlated price data: A robust optimization approach | |
Norbu et al. | Modelling the redistribution of benefits from joint investments in community energy projects | |
Biel et al. | Flow shop scheduling with grid-integrated onsite wind power using stochastic MILP | |
CN106529728A (zh) | 一种计及需求响应措施的负荷区间预测方法 | |
Yu et al. | Valuation of switchable tariff for wind energy | |
Zhou et al. | Forecast load impact from demand response resources | |
Ma et al. | Multi-stage compound real options valuation in residential PV-Battery investment | |
CN106056264A (zh) | 一种考虑负荷发展的分时电价优化方法 | |
CN115864376A (zh) | 一种多时间尺度电力保供分析方法及系统 | |
Yang et al. | China’s rural electricity market—a quantitative analysis | |
Fisher et al. | The economics of commercial demand response for spinning reserve | |
Sesmero et al. | The effect of current and prospective policies on photovoltaic system economics: An application to the US Midwest | |
Egging | Drivers, trends, and uncertainty in long-term price projections for energy management in public buildings | |
Desai et al. | A dynamic pricing approach to electricity prices in the Indian context | |
Sai et al. | Event-driven forecasting of wholesale electricity price and frequency regulation price using machine learning algorithms | |
CN110472783A (zh) | 考虑发电量配额的碳捕集机组优化方法 | |
Yin et al. | RETRACTED: Photovoltaic curve management using demand response with long and short-term memory | |
Chen et al. | Overview of transmission expansion planning in the market environment | |
JP7303707B2 (ja) | 代替ベースライン計算装置、学習済みモデル、機械学習装置、代替ベースライン計算方法およびプログラム | |
Qi et al. | Optimal Mechanism Design for Incentive-Based Demand Response Based on Stackelberg Game | |
CN106530138A (zh) | 用电避峰调度方法和装置 | |
Chandan et al. | Pricing mechanisms for energy management in smart cities | |
Matthew et al. | An overview of short term load forecasting in electrical power system using fuzzy controller |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170322 |
|
RJ01 | Rejection of invention patent application after publication |