CN106779237A - 一种自下而上的主动配电网负荷曲线化预测方法 - Google Patents
一种自下而上的主动配电网负荷曲线化预测方法 Download PDFInfo
- Publication number
- CN106779237A CN106779237A CN201611242395.1A CN201611242395A CN106779237A CN 106779237 A CN106779237 A CN 106779237A CN 201611242395 A CN201611242395 A CN 201611242395A CN 106779237 A CN106779237 A CN 106779237A
- Authority
- CN
- China
- Prior art keywords
- load
- curve
- demand
- plot
- flexible
- 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.)
- Granted
Links
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
一种自下而上的主动配电网负荷曲线化预测方法。其包括历史年每个地块的刚性负荷与柔性负荷需求数据采集;未来水平年每个地块刚性负荷与柔性负荷需求预测;未来水平年柔性负荷需求曲线调整;调整后的柔性负荷需求曲线与刚性负荷需求曲线叠加;负荷需求指标计算等步骤。本发明提供的自下而上的主动配电网负荷曲线化预测方法考虑了主动配电网在运行过程中负荷的可调节特性,对原始传统的负荷需求曲线进行了柔性调整,使得所预测出的负荷曲线更加贴近实际电网运行时负荷需求的变化情况,可为未来主动配电网的规划建设以及主动管理策略的实施提供指导。
Description
技术领域
本发明属于计算机控制技术领域,特别是涉及一种自下而上的主动配电网负荷曲线化预测方法。
背景技术
负荷预测是配电网规划的基础工作,可为后续变电站选址定容、网架改造、线路选型等工作提供精确的计算依据。传统负荷预测方法属于保守的点预测,一般基于极端场景的历年最大负荷结果进行预测,预测得到的未来水平年最大负荷预测值基本涵盖了未来年电网运行过程中所有可能出现的负荷需求情况。一般说来,依据这种最大峰值负荷预测结果所规划出的电网基本能够满足未来年的负荷需求。
近年来,随着社会经济不断发展和社会用电需求的快速增长,电网最大负荷利用小时数不断下降,尖峰负荷问题日益突出。加之分布式电源的广泛接入,其出力的不确定性大的特点使得网供负荷的波动性进一步增大,从而更凸显了配电网设备利用率低下、资产浪费等问题。针对配电网运行期间平抑负荷波动的迫切需求,目前已经出现了许多主动配电网运行管理策略,如引进电力市场机制对可调可控负荷进行主动调节、为分布式电源配备储能系统平抑随机出力波动等等。相比运行层面主动管理策略的多样化,传统的保守的最大负荷预测方式已经不再完全适用。在主动配电网的负荷预测中,除了需要考虑传统的不可调节的负荷需求外,还需要研究柔性负荷需求的可调控特性以及分布式电源的出力特性。柔性负荷与分布式电源的引入都会对未来负荷曲线的形成产生较大影响,负荷预测阶段若不考虑实际运行期间可能实施的主动管理策略的影响,所预测出的负荷可能会与实际运行时的网供负荷存在较大偏差,因此原有的负荷预测也就失去了对规划建设的指导意义。
发明内容
为了解决上述问题,本发明的目的在于提供一种自下而上的主动配电网负荷曲线化预测方法。
为了达到上述目的,本发明提供的自下而上的主动配电网负荷曲线化预测方法包括按顺序进行的下列步骤:
步骤1)历史年每个地块的刚性负荷与柔性负荷需求数据采集:在待预测区域中,以该区域最小的地块为单位,收集每个地块历史年的刚性负荷需求与柔性负荷需求数据;
步骤2)未来水平年每个地块刚性负荷与柔性负荷需求预测:依据步骤1)中所采集的刚性与柔性负荷需求数据,利用外推法,预测出每个地块在未来水平年8760小时中每个小时的刚性负荷需求与柔性负荷需求,从而形成未来水平年8760小时中每个地块刚性负荷需求曲线和柔性负荷需求曲线;
步骤3)未来水平年柔性负荷需求曲线调整:制定针对步骤2)得到的未来水平年8760小时柔性负荷需求曲线的主动调整策略,并利用该策略对曲线形状进行调整,从而使曲线形状更加平滑;
步骤4)调整后的柔性负荷需求曲线与刚性负荷需求曲线叠加:将步骤3)调整后的柔性负荷需求曲线与步骤2)获得的刚性负荷需求曲线叠加,得到考虑主动调整策略后每个地块的未来水平年8760小时负荷需求,然后将步骤4)得到的所有地块未来水平年8760小时负荷需求曲线叠加,得到待预测区域未来水平年8760小时总体负荷需求曲线;
步骤5)负荷需求指标计算:基于步骤4)得到的待预测区域未来水平年8760小时总体负荷需求曲线,计算负荷需求评价指标,为水平年电网规划提供数据参考。
在步骤1)中,所述的每个地块历史年的刚性负荷与柔性负荷需求数据包括:
a、待预测区域中每个地块历史年8760小时中每个小时的刚性负荷需求Pia,j(t),单位:kW;
b待预测区域中每个地块历史年8760小时中每个小时的柔性负荷需求Pib,j(t),单位:kW;
c待预测区域中每个地块柔性负荷中可转移负荷的比例λ,单位:%
d待预测区域中每个地块柔性负荷中可调整负荷的比例β,单位:%
f待预测区域中每个地块柔性负荷中用户接受可调整负荷削减的意愿γ,单位:%。
在步骤2)中,所述的未来水平年每个地块刚性负荷与柔性负荷需求预测方法包括下列步骤:
步骤2.1)根据采集的刚性负荷需求数据,形成每个地块历史年8760小时刚性负荷需求曲线:设地块的标号为i,历史年的标号为j,则地块i历史年j的8760小时刚性负荷需求曲线为Fia,j(t),数学表示形式如下:
Fia,j(t)=f(Pia,j,1,Pia,j,2,...,Pia,j,8760) (1)
式(1)中Pia,j,1,Pia,j,2,…,Pia,j,8760表示地块i历史年j从第1小时到第8760小时每个小时的刚性负荷需求;
步骤2.2)根据采集的柔性负荷需求数据,形成每个地块历史年8760小时柔性负荷需求曲线Fib,j(t),数学表示形式如下:
Fib,j(t)=f(Pib,j,1,Pib,j,2,...,Pib,j,8760) (2)
式(2)中Pib,j,1,Pib,j,2,…,Pib,j,8760表示地块i历史年j从第1小时到第8760小时每个小时的柔性负荷需求;
步骤2.3)根据上述所形成的历史年刚性和柔性负荷需求曲线,利用时间序列外推法将上述曲线外推,得到未来水平年j的刚性和柔性负荷需求曲线;
式(3)中Fia,1,Fia,2,…Fia,n表示经过式(1)得到的n个历史年刚性负荷需求曲线,通过时间序列外推算子g(.)作用,即可外推得到未来水平年j的8760小时刚性负荷需求曲线Pia,n+j(t);同理,Fib,1,Fib,2,…Fib,n表示经过式(2)得到的n个历史年柔性负荷需求曲线,通过时间序列外推算子g(.)作用,即可外推得到未来水平年j的8760小时柔性负荷需求曲线Pib,n+j(t)。
在步骤3)中,所述的未来水平年柔性负荷需求曲线调整方法包括以下步骤:
步骤3.1)考虑柔性负荷中可转移负荷对柔性负荷需求曲线的调整作用:
式(4)中,Pib,t表示地块i上,在可转移负荷调整前,未来水平年第t个小时的柔性负荷需求;P’ib,t表示在经过可转移负荷调整后,未来水平年第t个小时的柔性负荷需求;λ表示步骤1)中获得的柔性负荷中可转移负荷的比例;式(4)表示原本第t个小时的柔性负荷需求λPib,t被转移到了第t+Δt小时;
式(4)表示单次柔性负荷转移过程,那么全年8760小时的柔性负荷转移过程的计算公式如下:
P′ib(t)=A×Pib(t) (5)
式(5)中,Pib(t)表示地块i上,在可转移负荷调整前,未来水平年的柔性负荷需求曲线;P’ib(t)表示在经过可转移负荷调整后,未来水平年的柔性负荷需求曲线;A表示柔性负荷中可转移负荷的比例矩阵;
步骤3.2)考虑柔性负荷中可调整负荷对柔性负荷需求曲线的调整作用:
P′ib,t=(1-β×γ)Pib,t (6)
式(6)中,β表示步骤1)中获得的柔性负荷中可调整负荷的比例;γ表示柔性负荷中用户接受可调整负荷削减的意愿;式(6)表示经过可调整负荷消减后,第t个小时的柔性负荷需求从Pib,t变成了P’ib,t;
式(6)表示单次可调整负荷负荷削减过程,那么全年8760小时的柔性负荷中可调整负荷削减过程的计算公式如下:
P′ib(t)=B×Y×Pib(t) (7)
式(7)中,Pib(t)表示地块i上,在可调整负荷削减前,未来水平年的柔性负荷需求曲线;P’ib(t)表示在可调整负荷削减后,未来水平年的柔性负荷需求曲线;B表示柔性负荷中可调整负荷的比例矩阵;Y表示地块i上所有用户接受可调整负荷削减的意愿矩阵。
在步骤4)中,所述的调整后的柔性负荷需求曲线与刚性负荷需求曲线叠加的方法包括以下步骤:
步骤4.1)综合考虑步骤3)中柔性负荷的可转移负荷和可调整负荷对柔性负荷曲线的调整作用,得到地块i未来水平年的柔性负荷需求曲线:
P′ib(t)=(A+B×Y)×Pib(t) (8)
式(8)中,Pib(t)表示在曲线调整前,未来水平年的柔性负荷8760小时需求曲线;P’ib(t)表示在曲线调整后,未来水平年的柔性负荷8760小时需求曲线;
步骤4.2)在上述柔性负荷需求曲线基础上,叠加步骤2)得到的刚性负荷需求曲线,计算公式如下:
Pi(t)=Pia(t)+P'ib(t) (9)
式(9)中,Pia(t)表示未来水平年8760小时刚性负荷需求曲线;Pi(t)表示叠加刚性和柔性负荷后的地块i的未来水平年8760小时负荷需求曲线;
步骤4.3)将上述所有地块的负荷需求曲线叠加,计算公式如下:
式(10)中,Ptol(t)表示待预测区域中所有地块未来水平年8760小时的总体负荷需求曲线。
在步骤5)中,所述的负荷需求指标包括以下共有7项负荷评价指标,计算公式如下:
a)最大负荷,计算公式如下:
Maxy=MAX{Ptol(t)|t=1,2,...,8760} (11)
式(11)中Maxy表示8760小时负荷需求中的最大值;
b)最小负荷,计算公式如下:
Miny=MIN{Ptol(t)|t=1,2,...,8760} (12)
式(12)中Miny表示8760小时负荷需求中的最小值;
c)平均负荷,计算公式如下:
式(13)中Meany表示8760小时负荷需求中的平均值;
d)最大负荷利用小时数,计算公式如下:
式(14)中Tmaxy表示未来水平年负荷需求的最大负荷利用小时数;
e)负荷曲线离散程度,计算公式如下:
式(15)中σy表示未来水平年8760小时负荷需求曲线的离散程度;
f)负荷高峰与低谷时段,计算公式如下:
式(16)中,Th表示负荷高峰时长;Pyh,Pyl分别表示可自定义的高峰负荷值和低谷负荷值;ti表示8760小时中的某一小时;
g)负荷曲线平滑度,计算公式如下:
式(17)中,St1,t2表示从t1到t2时刻的负荷曲线平滑度,P(t1)和P(t2)分别表示t1和t2时刻的负荷需求。
本发明提供的自下而上的主动配电网负荷曲线化预测方法考虑了主动配电网在运行过程中负荷的可调节特性,对原始传统的负荷需求曲线进行了柔性调整,使得所预测出的负荷曲线更加贴近实际电网运行时负荷需求的变化情况,可为未来主动配电网的规划建设以及主动管理策略的实施提供指导。
附图说明
图1为本发明提供的自下而上的主动配电网负荷曲线化预测方法流程图。
图2(a)、(b)、(c)、(d)分别为本发明实施例中居民用地、商业用地、工业用地以及公共用地的地块负荷预测结果。
图3为本发明实施例中未来水平年柔性负荷需求曲线调整结果。
图4为本发明实施例中总体负荷需求曲线。
具体实施方式
下面结合附图和具体实施例对本发明提供的自下而上的主动配电网负荷曲线化预测方法进行详细说明。
如图1所示,本发明提供的自下而上的主动配电网负荷曲线化预测方法包括按顺序进行的下列步骤:
步骤1)历史年每个地块的刚性负荷与柔性负荷需求数据采集:在待预测区域中,以该区域最小的地块为单位,收集每个地块历史年的刚性负荷需求与柔性负荷需求数据;
步骤2)未来水平年每个地块刚性负荷与柔性负荷需求预测:依据步骤1)中所采集的刚性与柔性负荷需求数据,利用外推法,预测出每个地块在未来水平年8760小时中每个小时的刚性负荷需求与柔性负荷需求,从而形成未来水平年8760小时中每个地块刚性负荷需求曲线和柔性负荷需求曲线;
步骤3)未来水平年柔性负荷需求曲线调整:制定针对步骤2)得到的未来水平年8760小时柔性负荷需求曲线的主动调整策略,并利用该策略对曲线形状进行调整,从而使曲线形状更加平滑;
步骤4)调整后的柔性负荷需求曲线与刚性负荷需求曲线叠加:将步骤3)调整后的柔性负荷需求曲线与步骤2)获得的刚性负荷需求曲线叠加,得到考虑主动调整策略后每个地块的未来水平年8760小时负荷需求,然后将步骤4)得到的所有地块未来水平年8760小时负荷需求曲线叠加,得到待预测区域未来水平年8760小时总体负荷需求曲线;
步骤5)负荷需求指标计算:基于步骤4)得到的待预测区域未来水平年8760小时总体负荷需求曲线,计算负荷需求评价指标,为水平年电网规划提供数据参考。
在步骤1)中,所述的每个地块历史年的刚性负荷与柔性负荷需求数据包括:
a、待预测区域中每个地块历史年8760小时中每个小时的刚性负荷需求Pia,j(t),单位:kW;
b待预测区域中每个地块历史年8760小时中每个小时的柔性负荷需求Pib,j(t),单位:kW;
c待预测区域中每个地块柔性负荷中可转移负荷的比例λ,单位:%
d待预测区域中每个地块柔性负荷中可调整负荷的比例β,单位:%
f待预测区域中每个地块柔性负荷中用户接受可调整负荷削减的意愿γ,单位:%
在步骤2)中,所述的未来水平年每个地块刚性负荷与柔性负荷需求预测方法包括下列步骤:
步骤2.1)根据采集的刚性负荷需求数据,形成每个地块历史年8760小时刚性负荷需求曲线:设地块的标号为i,历史年的标号为j,则地块i历史年j的8760小时刚性负荷需求曲线为Fia,j(t),数学表示形式如下:
Fia,j(t)=f(Pia,j,1,Pia,j,2,...,Pia,j,8760) (1)
式(1)中Pia,j,1,Pia,j,2,…,Pia,j,8760表示地块i历史年j从第1小时到第8760小时每个小时的刚性负荷需求;
步骤2.2)根据采集的柔性负荷需求数据,形成每个地块历史年8760小时柔性负荷需求曲线Fib,j(t),数学表示形式如下:
Fib,j(t)=f(Pib,j,1,Pib,j,2,...,Pib,j,8760) (2)
式(2)中Pib,j,1,Pib,j,2,…,Pib,j,8760表示地块i历史年j从第1小时到第8760小时每个小时的柔性负荷需求;
步骤2.3)根据上述所形成的历史年刚性和柔性负荷需求曲线,利用时间序列外推法将上述曲线外推,得到未来水平年j的刚性和柔性负荷需求曲线;
式(3)中Fia,1,Fia,2,…Fia,n表示经过式(1)得到的n个历史年刚性负荷需求曲线,通过时间序列外推算子g(.)作用,即可外推得到未来水平年j的8760小时刚性负荷需求曲线Pia,n+j(t);同理,Fib,1,Fib,2,…Fib,n表示经过式(2)得到的n个历史年柔性负荷需求曲线,通过时间序列外推算子g(.)作用,即可外推得到未来水平年j的8760小时柔性负荷需求曲线Pib,n+j(t)。
在步骤3)中,所述的未来水平年柔性负荷需求曲线调整方法包括以下步骤:
步骤3.1)考虑柔性负荷中可转移负荷对柔性负荷需求曲线的调整作用:
式(4)中,Pib,t表示地块i上,在可转移负荷调整前,未来水平年第t个小时的柔性负荷需求;P’ib,t表示在经过可转移负荷调整后,未来水平年第t个小时的柔性负荷需求;λ表示步骤1)中获得的柔性负荷中可转移负荷的比例;式(4)表示原本第t个小时的柔性负荷需求λPib,t被转移到了第t+Δt小时。
式(4)表示单次柔性负荷转移过程,那么全年8760小时的柔性负荷转移过程的计算公式如下:
P′ib(t)=A×Pib(t) (5)
式(5)中,Pib(t)表示地块i上,在可转移负荷调整前,未来水平年的柔性负荷需求曲线;P’ib(t)表示在经过可转移负荷调整后,未来水平年的柔性负荷需求曲线;A表示柔性负荷中可转移负荷的比例矩阵;
步骤3.2)考虑柔性负荷中可调整负荷对柔性负荷需求曲线的调整作用:
P′ib,t=(1-β×γ)Pib,t (6)
式(6)中,β表示步骤1)中获得的柔性负荷中可调整负荷的比例;γ表示柔性负荷中用户接受可调整负荷削减的意愿;式(6)表示经过可调整负荷消减后,第t个小时的柔性负荷需求从Pib,t变成了P’ib,t。
式(6)表示单次可调整负荷负荷削减过程,那么全年8760小时的柔性负荷中可调整负荷削减过程的计算公式如下:
P′ib(t)=B×Y×Pib(t) (7)
式(7)中,Pib(t)表示地块i上,在可调整负荷削减前,未来水平年的柔性负荷需求曲线;P’ib(t)表示在可调整负荷削减后,未来水平年的柔性负荷需求曲线;B表示柔性负荷中可调整负荷的比例矩阵;Y表示地块i上所有用户接受可调整负荷削减的意愿矩阵。
在步骤4)中,所述的调整后的柔性负荷需求曲线与刚性负荷需求曲线叠加的方法包括以下步骤:
步骤4.1)综合考虑步骤3)中柔性负荷的可转移负荷和可调整负荷对柔性负荷曲线的调整作用,得到地块i未来水平年的柔性负荷需求曲线:
P′ib(t)=(A+B×Y)×Pib(t) (8)
式(8)中,Pib(t)表示在曲线调整前,未来水平年的柔性负荷8760小时需求曲线;P’ib(t)表示在曲线调整后,未来水平年的柔性负荷8760小时需求曲线;
步骤4.2)在上述柔性负荷需求曲线基础上,叠加步骤2)得到的刚性负荷需求曲线,计算公式如下:
Pi(t)=Pia(t)+P'ib(t) (9)
式(9)中,Pia(t)表示未来水平年8760小时刚性负荷需求曲线;Pi(t)表示叠加刚性和柔性负荷后的地块i的未来水平年8760小时负荷需求曲线;
步骤4.3)将上述所有地块的负荷需求曲线叠加,计算公式如下:
式(10)中,Ptol(t)表示待预测区域中所有地块未来水平年8760小时的总体负荷需求曲线。
在步骤5)中,所述的负荷需求指标包括以下共有7项负荷评价指标,计算公式如下:
a)最大负荷,计算公式如下:
Maxy=MAX{Ptol(t)|t=1,2,...,8760} (11)
式(11)中Maxy表示8760小时负荷需求中的最大值;
b)最小负荷,计算公式如下:
Miny=MIN{Ptol(t)|t=1,2,...,8760} (12)
式(12)中Miny表示8760小时负荷需求中的最小值;
c)平均负荷,计算公式如下:
式(13)中Meany表示8760小时负荷需求中的平均值;
d)最大负荷利用小时数,计算公式如下:
式(14)中Tmaxy表示未来水平年负荷需求的最大负荷利用小时数。
e)负荷曲线离散程度,计算公式如下:
式(15)中σy表示未来水平年8760小时负荷需求曲线的离散程度;
f)负荷高峰与低谷时段,计算公式如下:
式(16)中,Th表示负荷高峰时长;Pyh,Pyl分别表示可自定义的高峰负荷值和低谷负荷值;ti表示8760小时中的某一小时;
g)负荷曲线平滑度,计算公式如下:
式(17)中,St1,t2表示从t1到t2时刻的负荷曲线平滑度,P(t1)和P(t2)分别表示t1和t2时刻的负荷需求。
下面结合具体实施例对本发明进行进一步描述:
在步骤1)中,所述的历史年每个地块的刚性负荷与柔性负荷需求数据采集包括:
A待预测区域中每个地块历史年8760小时中每个小时的刚性负荷需求Pia,j(t):收集待预测区域中所有地块(其中包括居民用地、商业用地、工业用地以及公共用地)2010~2015年的8760小时刚性负荷数据;
b待预测区域中每个地块历史年8760小时中每个小时的柔性负荷需求Pib,j(t):收集待预测区域中所有地块(其中包括居民用地、商业用地、工业用地以及公共用地)2010~2015年的8760小时柔性负荷数据;
c待预测区域中每个地块柔性负荷中可转移负荷的比例λ:居民负荷、商业负荷、工业负荷以及公共设施用地负荷的可转移比例分别为80%、80%、80%、50%;
d待预测区域中每个地块柔性负荷中可调整负荷的比例β:居民负荷、商业负荷、工业负荷以及公共设施用地负荷的可调整比例分别为20%、20%、20%、50%;
f待预测区域中每个地块柔性负荷中用户接受可调整削减的意愿γ:用户参与调整的意愿分别为50%、20%、20%、80%。
步骤2)未来水平年地块刚性负荷与柔性负荷需求预测结果如图2所示。其中点划线条表示地块未来水平年2020年的柔性负荷需求曲线,虚线线条表示2020年地块刚性负荷需求曲线,实线线条表示2020年地块总体的负荷需求曲线。
步骤3)未来水平年柔性负荷需求曲线调整结果如图3所示。虚线曲线表示负荷调整前原始的柔性负荷曲线,点划线曲线表示负荷调整后的柔性负荷曲线。由图3可以看出,基于一定的调节策略,柔性负荷在一定程度上平缓了原始负荷需求的波动,达到了削峰填谷的作用。
步骤4)柔性负荷需求曲线与刚性负荷需求曲线叠加:将所有地块的柔性负荷与刚性负荷曲线叠加,得到区域2020年8760小时总体负荷需求曲线。如图4所示。
步骤5)负荷需求曲线的指标计算结果如下表所示:
Claims (6)
1.一种自下而上的主动配电网负荷曲线化预测方法,其特征在于:所述的方法包括按顺序进行的下列步骤:
步骤1)历史年每个地块的刚性负荷与柔性负荷需求数据采集:在待预测区域中,以该区域最小的地块为单位,收集每个地块历史年的刚性负荷需求与柔性负荷需求数据;
步骤2)未来水平年每个地块刚性负荷与柔性负荷需求预测:依据步骤1)中所采集的刚性与柔性负荷需求数据,利用外推法,预测出每个地块在未来水平年8760小时中每个小时的刚性负荷需求与柔性负荷需求,从而形成未来水平年8760小时中每个地块刚性负荷需求曲线和柔性负荷需求曲线;
步骤3)未来水平年柔性负荷需求曲线调整:制定针对步骤2)得到的未来水平年8760小时柔性负荷需求曲线的主动调整策略,并利用该策略对曲线形状进行调整,从而使曲线形状更加平滑;
步骤4)调整后的柔性负荷需求曲线与刚性负荷需求曲线叠加:将步骤3)调整后的柔性负荷需求曲线与步骤2)获得的刚性负荷需求曲线叠加,得到考虑主动调整策略后每个地块的未来水平年8760小时负荷需求,然后将步骤4)得到的所有地块未来水平年8760小时负荷需求曲线叠加,得到待预测区域未来水平年8760小时总体负荷需求曲线;
步骤5)负荷需求指标计算:基于步骤4)得到的待预测区域未来水平年8760小时总体负荷需求曲线,计算负荷需求评价指标,为水平年电网规划提供数据参考。
2.根据权利要求1所述的自下而上的主动配电网负荷曲线化预测方法,其特征在于:在步骤1)中,所述的每个地块历史年的刚性负荷与柔性负荷需求数据包括:
a、待预测区域中每个地块历史年8760小时中每个小时的刚性负荷需求Pia,j(t),单位:kW;
b待预测区域中每个地块历史年8760小时中每个小时的柔性负荷需求Pib,j(t),单位:kW;
c待预测区域中每个地块柔性负荷中可转移负荷的比例λ,单位:%
d待预测区域中每个地块柔性负荷中可调整负荷的比例β,单位:%
f待预测区域中每个地块柔性负荷中用户接受可调整负荷削减的意愿γ,单位:%。
3.根据权利要求1所述的自下而上的主动配电网负荷曲线化预测方法,其特征在于:在步骤2)中,所述的未来水平年每个地块刚性负荷与柔性负荷需求预测方法包括下列步骤:
步骤2.1)根据采集的刚性负荷需求数据,形成每个地块历史年8760小时刚性负荷需求曲线:设地块的标号为i,历史年的标号为j,则地块i历史年j的8760小时刚性负荷需求曲线为Fia,j(t),数学表示形式如下:
Fia,j(t)=f(Pia,j,1,Pia,j,2,...,Pia,j,8760) (1)
式(1)中Pia,j,1,Pia,j,2,…,Pia,j,8760表示地块i历史年j从第1小时到第8760小时每个小时的刚性负荷需求;
步骤2.2)根据采集的柔性负荷需求数据,形成每个地块历史年8760小时柔性负荷需求曲线Fib,j(t),数学表示形式如下:
Fib,j(t)=f(Pib,j,1,Pib,j,2,...,Pib,j,8760) (2)
式(2)中Pib,j,1,Pib,j,2,…,Pib,j,8760表示地块i历史年j从第1小时到第8760小时每个小时的柔性负荷需求;
步骤2.3)根据上述所形成的历史年刚性和柔性负荷需求曲线,利用时间序列外推法将上述曲线外推,得到未来水平年j的刚性和柔性负荷需求曲线;
式(3)中Fia,1,Fia,2,…Fia,n表示经过式(1)得到的n个历史年刚性负荷需求曲线,通过时间序列外推算子g(.)作用,即可外推得到未来水平年j的8760小时刚性负荷需求曲线Pia,n+j(t);同理,Fib,1,Fib,2,…Fib,n表示经过式(2)得到的n个历史年柔性负荷需求曲线,通过时间序列外推算子g(.)作用,即可外推得到未来水平年j的8760小时柔性负荷需求曲线Pib,n+j(t)。
4.根据权利要求1所述的自下而上的主动配电网负荷曲线化预测方法,其特征在于:在步骤3)中,所述的未来水平年柔性负荷需求曲线调整方法包括以下步骤:
步骤3.1)考虑柔性负荷中可转移负荷对柔性负荷需求曲线的调整作用:
式(4)中,Pib,t表示地块i上,在可转移负荷调整前,未来水平年第t个小时的柔性负荷需求;P’ib,t表示在经过可转移负荷调整后,未来水平年第t个小时的柔性负荷需求;λ表示步骤1)中获得的柔性负荷中可转移负荷的比例;式(4)表示原本第t个小时的柔性负荷需求λPib,t被转移到了第t+Δt小时;
式(4)表示单次柔性负荷转移过程,那么全年8760小时的柔性负荷转移过程的计算公式如下:
P′ib(t)=A×Pib(t) (5)
式(5)中,Pib(t)表示地块i上,在可转移负荷调整前,未来水平年的柔性负荷需求曲线;P’ib(t)表示在经过可转移负荷调整后,未来水平年的柔性负荷需求曲线;A表示柔性负荷中可转移负荷的比例矩阵;
步骤3.2)考虑柔性负荷中可调整负荷对柔性负荷需求曲线的调整作用:
P′ib,t=(1-β×γ)Pib,t (6)
式(6)中,β表示步骤1)中获得的柔性负荷中可调整负荷的比例;γ表示柔性负荷中用户接受可调整负荷削减的意愿;式(6)表示经过可调整负荷消减后,第t个小时的柔性负荷需求从Pib,t变成了P’ib,t;
式(6)表示单次可调整负荷负荷削减过程,那么全年8760小时的柔性负荷中可调整负荷削减过程的计算公式如下:
P′ib(t)=B×Y×Pib(t) (7)
式(7)中,Pib(t)表示地块i上,在可调整负荷削减前,未来水平年的柔性负荷需求曲线;P’ib(t)表示在可调整负荷削减后,未来水平年的柔性负荷需求曲线;B表示柔性负荷中可调整负荷的比例矩阵;Y表示地块i上所有用户接受可调整负荷削减的意愿矩阵。
5.根据权利要求1所述的自下而上的主动配电网负荷曲线化预测方法,其特征在于:在步骤4)中,所述的调整后的柔性负荷需求曲线与刚性负荷需求曲线叠加的方法包括以下步骤:
步骤4.1)综合考虑步骤3)中柔性负荷的可转移负荷和可调整负荷对柔性负荷曲线的调整作用,得到地块i未来水平年的柔性负荷需求曲线:
P′ib(t)=(A+B×Y)×Pib(t) (8)
式(8)中,Pib(t)表示在曲线调整前,未来水平年的柔性负荷8760小时需求曲线;P’ib(t)表示在曲线调整后,未来水平年的柔性负荷8760小时需求曲线;
步骤4.2)在上述柔性负荷需求曲线基础上,叠加步骤2)得到的刚性负荷需求曲线,计算公式如下:
Pi(t)=Pia(t)+P'ib(t) (9)
式(9)中,Pia(t)表示未来水平年8760小时刚性负荷需求曲线;Pi(t)表示叠加刚性和柔性负荷后的地块i的未来水平年8760小时负荷需求曲线;
步骤4.3)将上述所有地块的负荷需求曲线叠加,计算公式如下:
式(10)中,Ptol(t)表示待预测区域中所有地块未来水平年8760小时的总体负荷需求曲线。
6.根据权利要求1所述的自下而上的主动配电网负荷曲线化预测方法,其特征在于:在步骤5)中,所述的负荷需求指标包括以下共有7项负荷评价指标,计算公式如下:
a)最大负荷,计算公式如下:
Maxy=MAX{Ptol(t)|t=1,2,...,8760} (11)
式(11)中Maxy表示8760小时负荷需求中的最大值;
b)最小负荷,计算公式如下:
Miny=MIN{Ptol(t)|t=1,2,...,8760} (12)
式(12)中Miny表示8760小时负荷需求中的最小值;
c)平均负荷,计算公式如下:
式(13)中Meany表示8760小时负荷需求中的平均值;
d)最大负荷利用小时数,计算公式如下:
式(14)中Tmaxy表示未来水平年负荷需求的最大负荷利用小时数;
e)负荷曲线离散程度,计算公式如下:
式(15)中σy表示未来水平年8760小时负荷需求曲线的离散程度;
f)负荷高峰与低谷时段,计算公式如下:
式(16)中,Th表示负荷高峰时长;Pyh,Pyl分别表示可自定义的高峰负荷值和低谷负荷值;ti表示8760小时中的某一小时;
g)负荷曲线平滑度,计算公式如下:
式(17)中,St1,t2表示从t1到t2时刻的负荷曲线平滑度,P(t1)和P(t2)分别表示t1和t2时刻的负荷需求。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611242395.1A CN106779237B (zh) | 2016-12-29 | 2016-12-29 | 一种自下而上的主动配电网负荷曲线化预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611242395.1A CN106779237B (zh) | 2016-12-29 | 2016-12-29 | 一种自下而上的主动配电网负荷曲线化预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106779237A true CN106779237A (zh) | 2017-05-31 |
CN106779237B CN106779237B (zh) | 2020-12-29 |
Family
ID=58923559
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611242395.1A Active CN106779237B (zh) | 2016-12-29 | 2016-12-29 | 一种自下而上的主动配电网负荷曲线化预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106779237B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117134366A (zh) * | 2023-10-27 | 2023-11-28 | 南方电网数字电网研究院有限公司 | 负荷控制方法、装置、设备和存储介质 |
CN117175666A (zh) * | 2023-11-03 | 2023-12-05 | 深圳航天科创泛在电气有限公司 | 一种分布式储能电源系统的负载调节方法及调节装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040039490A1 (en) * | 2002-08-23 | 2004-02-26 | Mitsubishi Denki Kabushiki Kaisha | Power generator controller |
CN103514487A (zh) * | 2013-07-15 | 2014-01-15 | 国家电网公司 | 一种含分布式电源的配电网负荷预测方法 |
CN103872680A (zh) * | 2014-03-24 | 2014-06-18 | 国家电网公司 | 一种评估柔性负荷互动能力的方法 |
CN104734200A (zh) * | 2015-03-26 | 2015-06-24 | 国家电网公司 | 一种基于虚拟发电的主动配电网优化调度方法 |
CN105449670A (zh) * | 2015-12-11 | 2016-03-30 | 国家电网公司 | 一种配电网负荷特性分析方法 |
CN106022530A (zh) * | 2016-05-26 | 2016-10-12 | 国网山东省电力公司电力科学研究院 | 一种电力需求侧柔性负荷有功功率预测方法 |
-
2016
- 2016-12-29 CN CN201611242395.1A patent/CN106779237B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040039490A1 (en) * | 2002-08-23 | 2004-02-26 | Mitsubishi Denki Kabushiki Kaisha | Power generator controller |
CN103514487A (zh) * | 2013-07-15 | 2014-01-15 | 国家电网公司 | 一种含分布式电源的配电网负荷预测方法 |
CN103872680A (zh) * | 2014-03-24 | 2014-06-18 | 国家电网公司 | 一种评估柔性负荷互动能力的方法 |
CN104734200A (zh) * | 2015-03-26 | 2015-06-24 | 国家电网公司 | 一种基于虚拟发电的主动配电网优化调度方法 |
CN105449670A (zh) * | 2015-12-11 | 2016-03-30 | 国家电网公司 | 一种配电网负荷特性分析方法 |
CN106022530A (zh) * | 2016-05-26 | 2016-10-12 | 国网山东省电力公司电力科学研究院 | 一种电力需求侧柔性负荷有功功率预测方法 |
Non-Patent Citations (3)
Title |
---|
张谦等: "《考虑系统运行方式的江苏电网过江断面概率潮流实证分析》", 《电力系统保护与控制》 * |
王珂等: "《电力柔性负荷调度研究综述》", 《电力系统自动化》 * |
蒲天骄等: "《基于多代理系统的主动配电网自治协同控制及其仿真》", 《中国电机工程学报》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117134366A (zh) * | 2023-10-27 | 2023-11-28 | 南方电网数字电网研究院有限公司 | 负荷控制方法、装置、设备和存储介质 |
CN117134366B (zh) * | 2023-10-27 | 2024-02-23 | 南方电网数字电网研究院有限公司 | 负荷控制方法、装置、设备和存储介质 |
CN117175666A (zh) * | 2023-11-03 | 2023-12-05 | 深圳航天科创泛在电气有限公司 | 一种分布式储能电源系统的负载调节方法及调节装置 |
CN117175666B (zh) * | 2023-11-03 | 2024-01-26 | 深圳航天科创泛在电气有限公司 | 一种分布式储能电源系统的负载调节方法及调节装置 |
Also Published As
Publication number | Publication date |
---|---|
CN106779237B (zh) | 2020-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Chaotic self-adaptive particle swarm optimization algorithm for dynamic economic dispatch problem with valve-point effects | |
WO2018103294A1 (zh) | 基于双鱼群算法的电力无功优化系统及方法 | |
Delarue et al. | Enhanced priority list unit commitment method for power systems with a high share of renewables | |
Venkaiah et al. | Fuzzy adaptive bacterial foraging congestion management using sensitivity based optimal active power re-scheduling of generators | |
Niu et al. | Model turbine heat rate by fast learning network with tuning based on ameliorated krill herd algorithm | |
US10747184B2 (en) | Controlling a target system | |
Maeda et al. | The unnoticed impact of long-term cost information on wind farms’ economic value in the USA.–A real option analysis | |
CN106503842A (zh) | 一种考虑关键指标和收益管理的分时电价定价方法 | |
CN112950098A (zh) | 基于综合能源系统的能源规划方法、装置及终端设备 | |
CN106355285A (zh) | 一种基于参数修正的用电负荷预测方法 | |
CN106779237A (zh) | 一种自下而上的主动配电网负荷曲线化预测方法 | |
Ernstsen et al. | Valuation of power plants | |
Henao et al. | Impact of introducing flexibility in the Colombian transmission expansion planning | |
CN108667010B (zh) | 一种基于分布鲁棒优化的配电网经济调度方法 | |
CN104158188A (zh) | 一种可中断负荷参与下的输电阻塞消除方法 | |
CN109886449A (zh) | 一种基于用户用电行为的地区电网负荷预测方法 | |
Jay et al. | Demand Response based Automatic Generation Control in smart-grid deregulated market | |
El-Araby et al. | A hybrid PSO technique for procuring VAR ancillary service in the deregulated electricity markets | |
Ghanegaonkar et al. | Coordinated optimal placement of distributed generation and voltage regulator by multi-objective efficient PSO algorithm | |
CN103701119B (zh) | 一种基于无功功率调整的不收敛潮流数据的处理方法 | |
Liu et al. | Performance of generated moving average strategies in natural gas futures prices at different time scales | |
CN104979823B (zh) | 电网多级调度协同的安全稳定在线预防控制优化决策方法 | |
JP4255740B2 (ja) | 建物のエネルギー使用量管理方法、エネルギー使用量管理システム及びプログラム | |
Lotfi et al. | A decision support system for OPEC oil production level based on game theory and ANN | |
Alinezhad et al. | An inverse DEA model for inputs/outputs estimation with respect to decision maker’s preferences: The case of Refah bank of IRAN |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |