CN107481030A - 一种考虑多类型需求侧资源的电力负荷预测方法 - Google Patents

一种考虑多类型需求侧资源的电力负荷预测方法 Download PDF

Info

Publication number
CN107481030A
CN107481030A CN201710573550.6A CN201710573550A CN107481030A CN 107481030 A CN107481030 A CN 107481030A CN 201710573550 A CN201710573550 A CN 201710573550A CN 107481030 A CN107481030 A CN 107481030A
Authority
CN
China
Prior art keywords
mrow
msub
resource
load
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
Application number
CN201710573550.6A
Other languages
English (en)
Inventor
杜振东
李付林
刘敦楠
赵佳伟
何英静
沈舒仪
徐尔丰
姜巍
但扬清
郁丹
王曦冉
翁华
周林
章敏捷
石国超
来聪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
North China Electric Power University
Economic and Technological Research Institute of State Grid Zhejiang Electric Power Co Ltd
Zhejiang Huayun Electric Power Engineering Design Consulting Co
Original Assignee
State Grid Corp of China SGCC
North China Electric Power University
Economic and Technological Research Institute of State Grid Zhejiang Electric Power Co Ltd
Zhejiang Huayun Electric Power Engineering Design Consulting Co
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, North China Electric Power University, Economic and Technological Research Institute of State Grid Zhejiang Electric Power Co Ltd, Zhejiang Huayun Electric Power Engineering Design Consulting Co filed Critical State Grid Corp of China SGCC
Priority to CN201710573550.6A priority Critical patent/CN107481030A/zh
Publication of CN107481030A publication Critical patent/CN107481030A/zh
Pending legal-status Critical Current

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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • 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
    • 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
    • Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
    • Y04S50/14—Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards

Abstract

本发明公开了一种考虑多类型需求侧资源的电力负荷预测方法。目前，将需求侧资源考虑到电网规划中显得尤为迫切。本发明的步骤包括：确定预测范围；对用户进行分类；识别各类用户的各种需求侧资源；定量分析预测期内各类用户各种需求侧资源对负荷的影响效果；通过多层次叠加技术测算得到预测区域内考虑需求侧资源的最大负荷。本发明采用负荷同时率处理技术，逐层叠加最终得到变电站范围内考虑需求侧资源的负荷预测结果。使用本发明能够降低电网建设成本，使得电网规划更加科学合理。

Description

一种考虑多类型需求侧资源的电力负荷预测方法
技术领域
本发明涉及电网负荷预测领域，具体地说是一种考虑多类型需求侧资源的电力负荷预测方法。
背景技术
在经济迅速增长的今天，电网建设与社会经济增长之间的矛盾日益突出。供电能力不足、电网结构不合理、可靠性不高以及电能质量问题等一直是困扰电网运营的结症所在，也是电网发展前进的推动力。电网规划是电网建设的重要依托及先决条件，其规划质量将严重影响电网安全稳定运营。
现阶段电网规划遇到了新的瓶颈，一方面，未来电力需求将进一步增长，这对电力供应侧提出了新的扩容要求；另一方面，电网扩容面临着土地、资金等多个因素的制约，导致电网规划落地难度大。综上所述，将需求侧资源考虑到电网规划中就显得尤为迫切。
发明内容
本发明的目的是提供一种能够降低电网建设成本、使得电网规划更加科学合理的考虑多类型需求侧资源的电力负荷预测方法。
为解决上述技术问题，本发明采用的技术方案为：一种考虑多类型需求侧资源的电力负荷预测方法，其包括如下步骤：
1)确定预测范围；
2)对用户进行分类、需求侧资源分类；
3)识别各类用户的各种需求侧资源；
4)定量分析预测期内各类用户各种需求侧资源对负荷的影响效果；
5)通过多层次叠加技术测算得到预测区域内考虑需求侧资源的最大负荷。
进一步地，所述步骤1)中，所述预测范围即选取待进行负荷预测的某一变电站辐射范围的供电区域作为预测范围。
进一步地，所述的步骤2)，即对变电站每条馈线上接入的电力用户进行分类，需求侧资源分为能效资源和负荷类资源。
进一步地，所述步骤3)，还包括分析各类需求侧资源对用户的用电量或负荷特性产生的不同影响。
进一步地，所述步骤4)，即在定性识别潜在需求侧资源的基础上，通过构建模型和相应的数据归集和处理技术，得到某类用户各类需求侧资源综合作用对传统负荷预测值的影响效果，从而得到该类用户考虑需求侧资源的负荷预测值。
进一步地，某类用户考虑单一需求侧资源的最大负荷预测公式如下所示：
式中，Pmax，DSM表示需求侧资源作用下最大负荷的预测结果；αEE表示该类用户在能效类资源作用下的降耗率；βLD表示该类用户在负荷类资源作用下的负荷率，Q0，pre表示预测年不考虑需求侧资源的用电量，t表示预测期间小时数；
进一步地，假设ΔQ为节电量，ΔQi表示第i个用电环节的节电量，Qi,0表示第i个用电环节预测年的初始用电量，αEE，i为某类用户第i个用电环节在能效类资源作用下的降耗率，λi表示能效类资源是否存在的状态系数，当λi取值为0时，表示用户没有此种资源；当其取值为1时，表示拥有此种资源；
该类用户第i个用电环节在能效类资源作用下的节电量表示为：
ΔQi＝Qi,0*λi*αEE，i，
多种能效类资源作用下，总的节电量为各用电环节节电量之和，即
ΔQ＝ΔQ1+ΔQ2+…+ΔQi+…+ΔQk，
式中，k表示该电力用户用电环节的个数；
因此，能效类资源作用下的用电量QEE为：
QEE＝Q0，pre-ΔQ。
进一步地，在单一负荷类资源作用下减少的最大负荷的计算公式为：
式中，ΔPmax,i表示第i种负荷类资源的作用下减少的最大负荷，kW；Pmax,EE表示能效类资源作用下的最大负荷，kW；βLD，i为该电力用户第i种负荷类资源作用下的负荷率，β0为起始负荷率，QEE为能效类资源作用下的用电量；
多种负荷类资源作用下减少的最大负荷为：
ΔPmax＝(ΔPmax，1+ΔPmax，2+…+ΔPmax，i+…+ΔPmax，w)*ζ1，
式中，w表示该用户拥有的负荷类资源的数目，由于负荷类资源不会同时发挥作用，因此引入负荷同时率ζ1；
因此，需求侧资源作用下最大负荷的预测结果为：
Pmax，DSM＝Pmax,EE-ΔPmax。
进一步地，假设Pmax,ij为第i条送电线路第j类电力用户在需求侧资源作用下的最大负荷，那么第i条送电线路上所有用户的效益叠加结果为：
式中，m表示电力用户分类个数；Pmax,i为第i条送电线路覆盖区域的最大负荷；ζ2表示负荷同时率，用于调整同一馈线上不同用户之间的最大负荷。
进一步地，由于变电站涵盖多条用电线路，因此在求解综合最大负荷时，需要考虑每条线路的用电状况，继而进行用电叠加，其叠加效果为：
式中，UPmax,DSM表示综合最大负荷；ζ3为负荷同时率，用于调整不同馈线间的最大负荷；n为该变电站线路条数；
由此，通过需求侧资源作用前后最大负荷的变化，能够计算得出可延缓投建的变电容量，如下式所示。
ΔR＝η*(Pmax,0-UPmax,DSM)，
式中，ΔR表示考虑需求侧资源后可避免或者可延缓投建的变电容量；Pmax,0为预测期不考虑需求侧资源的最大负荷，η表示最大负荷减少比例。
本发明具有下述优点：采用负荷同时率处理技术，逐层叠加最终得到变电站范围内考虑需求侧资源的负荷预测结果。
本发明通过估算某一区域内各类需求侧资源的潜力，并将其考虑到负荷预测过程中，使得负荷预测更为合理准确，以避免扩容方案粗放而造成投资浪费。整个负荷预测方法通过建立数学模型进行定量分析。使用本发明能够降低电网建设成本，使得电网规划更加科学合理。
附图说明
图1为本发明的流程框图；
图2为本发明实施的流程示意图。
具体实施方式
下面结合说明书附图和具体实施方式对本发明作进一步说明。
本发明为一种考虑多类型需求侧资源的电力负荷预测方法，其实施步骤如下：
1)确定预测范围；
2)对用户进行分类、需求侧资源分类；
3)识别各类用户的各种需求侧资源；
4)定量分析预测期内各类用户各种需求侧资源对负荷的影响效果；
5)通过多层次叠加技术测算得到预测区域内考虑需求侧资源的最大负荷。确定预测范围：
所述步骤1)中，所述预测范围即选取待进行负荷预测的某一变电站辐射范围的供电区域作为预测范围。
所述步骤2)对用户进行分类、需求侧资源分类，即对变电站每条馈线上接入的电力用户进行分类，一般可分为居民用户、工业用户、商业用户和其他用户；需求侧资源分为能效资源和负荷类资源。
一、能效类资源。能效类资源是指，通过提高用电效率从而达到降低用电数量及负荷水平的技术措施。能效类资源包括绿色照明、节能家电、节能电梯、高效变压器、高效电动机等。
二、负荷类资源。负荷类资源是用户自愿响应，能够在系统高峰用电紧张时段削减部分用电负荷，即从用电高峰时段转移至低谷时段。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。
所述识别各类用户的各种需求侧资源，所述每类用户可能同时有多类需求侧资源，各类需求侧资源会对用户的用电量或负荷特性产生不同的影响。对用户类型及其需求侧资源进行界定，如下表所示：
表1用户类型及其需求侧资源界定
所述定量分析预测期内各类用户各种需求侧资源对负荷的影响效果，即在定性识别潜在需求侧资源的基础上，需通过构建模型和相应的数据归集和处理技术，得到某类用户各类需求侧资源综合作用对传统负荷预测值的影响效果，从而得到该类用户考虑需求侧资源的负荷预测值。
考虑单一需求侧资源的最大负荷预测，从最简单的情形开始考虑，首先研究考虑单一需求侧资源的最大负荷预测模型。某类用户考虑单一需求侧资源(即用户只有一个用电环节，且只存在一项能效类资源和一项负荷类资源)的最大负荷预测公式如式1所示：
式中，Pmax，DSM表示需求侧资源作用下最大负荷的预测结果，kW；αEE表示该类用户在能效类资源作用下的降耗率；βLD表示该类用户在负荷类资源作用下的负荷率；Q0，pre表示预测年不考虑需求侧资源的用电量，t表示预测期间小时数。
在上述单一需求侧资源最大负荷预测的基础上加以推广，考虑多种需求侧资源的最大负荷预测。
多种能效类资源分析。首先，考虑多种能效类资源作用下总用电量的变化。由于能效类资源指的是电力用户采用的技术措施，直接对应某一个用电类型(如节能冰箱、节能空调等)，而且降耗率是相对于原用电环节类型来说的，并非整体用电情况。因此，能效类资源的节电效果按照用电类型来计算。
假设ΔQ为节电量，ΔQi表示第i个用电环节的节电量，Qi,0表示第i个用电环节预测年的初始用电量，αEE，i为某类用户第i个用电环节在能效类资源作用下的降耗率，λi表示能效类资源是否存在的状态系数，当λi取值为0时，表示用户没有此种资源；当其取值为1时，表示拥有此种资源。
该类用户第i个用电环节在能效类资源作用下的节电量可以表示为：
ΔQi＝Qi,0*λi*αEE，i (式2)
多种能效类资源作用下，总的节电量为各用电环节节电量之和，即
ΔQ＝ΔQ1+ΔQ2+…+ΔQi+…+ΔQk (式3)
式中，k表示该电力用户用电环节的个数。
因此，能效类资源作用下的用电量QEE为：
QEE＝Q0，pre-ΔQ (式4)
多种负荷类资源分析。由于负荷类资源的节电指标是负荷率，负荷率是一个相对于整体用电情况而言的概念，并不能分摊到各个用电环节，因此，负荷类资源的节电潜力按照其种类计算。首先，在单一负荷类资源作用下减少的最大负荷的计算公式为：
式中，ΔPmax,i表示第i种负荷类资源的作用下减少的最大负荷，kW；Pmax,EE表示能效类资源作用下的最大负荷，kW；βLD，i为该电力用户第i种负荷类资源作用下的负荷率；β0为起始负荷率，QEE为能效类资源作用下的用电量。
多种负荷类资源作用下减少的最大负荷为：
ΔPmax＝(ΔPmax，1+ΔPmax，2+…+ΔPmax，i+…+ΔPmax，w)*ζ1 (式7)
式中，w表示该用户拥有的负荷类资源的数目。
由于负荷类资源不会同时发挥作用，因此公式7引入负荷同时率ζ1。
因此，需求侧资源作用下最大负荷的预测结果为：
Pmax，DSM＝Pmax,EE-ΔPmax (式8)
同一馈线多类电力用户最大负荷的求解。在计算得到单类电力用户最大负荷的基础上，本部分进一步测算同一馈线上多类用户的最大负荷。假设Pmax,ij为第i条送电线路第j类电力用户在需求侧资源作用下的最大负荷，那么第i条送电线路上所有用户的效益叠加结果为：
式中，m表示电力用户分类个数；Pmax,i为第i条送电线路覆盖区域的最大负荷，kW；ζ2表示负荷同时率，用于调整同一馈线上不同用户之间的最大负荷。
综合最大负荷的求解。由于变电站涵盖多条用电线路，因此在求解综合最大负荷时，需要考虑每条线路的用电状况，继而进行用电叠加，其叠加效果为：
式中，UPmax,DSM表示综合最大负荷，kW；ζ3为负荷同时率，用于调整不同馈线间的最大负荷；n为该变电站线路条数。
由此，通过需求侧资源作用前后最大负荷的变化，能够计算得出可延缓投建的变电容量，如公式11所示。
ΔR＝η*(Pmax,0-UPmax,DSM) (式11)
式中，ΔR表示考虑需求侧资源后可避免或者可延缓投建的变电容量；Pmax,0为预测期不考虑需求侧资源的最大负荷，η表示最大负荷减少比例。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种考虑多类型需求侧资源的电力负荷预测方法，其包括如下步骤：
1)确定预测范围；
2)对用户进行分类、需求侧资源分类；
3)识别各类用户的各种需求侧资源；
4)定量分析预测期内各类用户各种需求侧资源对负荷的影响效果；
5)通过多层次叠加技术测算得到预测区域内考虑需求侧资源的最大负荷。
2.根据权利要求1所述的考虑多类型需求侧资源的电力负荷预测方法，其特征在于：所述步骤1)中，所述预测范围即选取待进行负荷预测的某一变电站辐射范围的供电区域作为预测范围。
3.根据权利要求2所述的考虑多类型需求侧资源的电力负荷预测方法，其特征在于：所述步骤2)，即对变电站每条馈线上接入的电力用户进行分类，需求侧资源分为能效资源和负荷类资源。
4.根据权利要求3所述的考虑多类型需求侧资源的电力负荷预测方法，其特征在于：所述步骤3)，还包括分析各类需求侧资源对用户的用电量或负荷特性产生的不同影响。
5.根据权利要求4所述的考虑多类型需求侧资源的电力负荷预测方法，其特征在于：所述步骤4)，即在定性识别潜在需求侧资源的基础上，通过构建模型和相应的数据归集和处理技术，得到某类用户各类需求侧资源综合作用对传统负荷预测值的影响效果，从而得到该类用户考虑需求侧资源的负荷预测值。
6.根据权利要求5所述的考虑多类型需求侧资源的电力负荷预测方法，其特征在于：
某类用户考虑单一需求侧资源的最大负荷预测公式如下所示：
<mrow> <msub> <mi>P</mi> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> <mo>,</mo> <mi>D</mi> <mi>S</mi> <mi>M</mi> </mrow> </msub> <mo>=</mo> <msub> <mi>Q</mi> <mrow> <mn>0</mn> <mo>,</mo> <mi>p</mi> <mi>r</mi> <mi>e</mi> </mrow> </msub> <mo>*</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <msub> <mi>&amp;alpha;</mi> <mrow> <mi>E</mi> <mi>E</mi> </mrow> </msub> <mo>)</mo> </mrow> <mo>*</mo> <mfrac> <mn>1</mn> <mi>t</mi> </mfrac> <mo>*</mo> <mfrac> <mn>1</mn> <msub> <mi>&amp;beta;</mi> <mrow> <mi>L</mi> <mi>D</mi> </mrow> </msub> </mfrac> <mo>,</mo> </mrow>
式中，Pmax，DSM表示需求侧资源作用下最大负荷的预测结果，kW；αEE表示该类用户在能效类资源作用下的降耗率；βLD表示该类用户在负荷类资源作用下的负荷率，Q0，pre表示预测年不考虑需求侧资源的用电量，t表示预测期间小时数。
7.根据权利要求6所述的考虑多类型需求侧资源的电力负荷预测方法，其特征在于：
假设ΔQ为节电量，ΔQi表示第i个用电环节的节电量，Qi,0表示第i个用电环节预测年的初始用电量，αEE，i为某类用户第i个用电环节在能效类资源作用下的降耗率，λi表示能效类资源是否存在的状态系数，当λi取值为0时，表示用户没有此种资源；当其取值为1时，表示拥有此种资源；
该类用户第i个用电环节在能效类资源作用下的节电量表示为：
ΔQi＝Qi,0*λi*αEE，i，
多种能效类资源作用下，总的节电量为各用电环节节电量之和，即
ΔQ＝ΔQ1+ΔQ2+…+ΔQi+…+ΔQk，
式中，k表示该电力用户用电环节的个数；
因此，能效类资源作用下的用电量QEE为：
QEE＝Q0，pre-ΔQ。
8.根据权利要求7所述的考虑多类型需求侧资源的电力负荷预测方法，其特征在于：
在单一负荷类资源作用下减少的最大负荷的计算公式为：
<mrow> <msub> <mi>&amp;Delta;P</mi> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> <mo>,</mo> <mi>i</mi> </mrow> </msub> <mo>=</mo> <mrow> <mo>{</mo> <mrow> <mtable> <mtr> <mtd> <mrow> <msub> <mi>P</mi> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> <mo>,</mo> <mi>E</mi> <mi>E</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>Q</mi> <mrow> <mi>E</mi> <mi>E</mi> </mrow> </msub> <mo>*</mo> <msub> <mi>&amp;lambda;</mi> <mi>i</mi> </msub> <mo>*</mo> <mfrac> <mn>1</mn> <msub> <mi>&amp;beta;</mi> <mrow> <mi>L</mi> <mi>D</mi> <mo>,</mo> <mi>i</mi> </mrow> </msub> </mfrac> <mo>*</mo> <mfrac> <mn>1</mn> <mi>t</mi> </mfrac> </mrow> </mtd> <mtd> <mrow> <msub> <mi>&amp;lambda;</mi> <mi>i</mi> </msub> <mo>=</mo> <mn>1</mn> </mrow> </mtd> </mtr> <mtr> <mtd> <mn>0</mn> </mtd> <mtd> <mrow> <msub> <mi>&amp;lambda;</mi> <mi>i</mi> </msub> <mo>=</mo> <mn>0</mn> </mrow> </mtd> </mtr> </mtable> <mo>,</mo> </mrow> </mrow> </mrow>
<mrow> <msub> <mi>P</mi> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> <mo>,</mo> <mi>E</mi> <mi>E</mi> </mrow> </msub> <mo>=</mo> <mfrac> <msub> <mi>Q</mi> <mrow> <mi>E</mi> <mi>E</mi> </mrow> </msub> <mrow> <msub> <mi>&amp;beta;</mi> <mn>0</mn> </msub> <mo>*</mo> <mi>t</mi> </mrow> </mfrac> <mo>,</mo> </mrow>
式中，ΔPmax,i表示第i种负荷类资源的作用下减少的最大负荷，kW；Pmax,EE表示能效类资源作用下的最大负荷，kW；βLD，i为该电力用户第i种负荷类资源作用下的负荷率，β0为起始负荷率，QEE为能效类资源作用下的用电量；
多种负荷类资源作用下减少的最大负荷为：
ΔPmax＝(ΔPmax，1+ΔPmax，2+…+ΔPmax，i+…+ΔPmax，w)*ζ1，
式中，w表示该用户拥有的负荷类资源的数目，由于负荷类资源不会同时发挥作用，因此引入负荷同时率ζ1；
因此，需求侧资源作用下最大负荷的预测结果为：
Pmax，DSM＝Pmax,EE-ΔPmax。
9.根据权利要求8所述的考虑多类型需求侧资源的电力负荷预测方法，其特征在于：假设Pmax,ij为第i条送电线路第j类电力用户在需求侧资源作用下的最大负荷，那么第i条送电线路上所有用户的效益叠加结果为：
<mrow> <msub> <mi>P</mi> <mrow> <mi>max</mi> <mo>,</mo> <mi>i</mi> </mrow> </msub> <mo>=</mo> <mrow> <mo>(</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>m</mi> </munderover> <msub> <mi>P</mi> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> <mo>,</mo> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>)</mo> </mrow> <mo>*</mo> <msub> <mi>&amp;zeta;</mi> <mn>2</mn> </msub> <mo>,</mo> </mrow>
式中，m表示电力用户分类个数；Pmax,i为第i条送电线路覆盖区域的最大负荷，kW；ζ2表示负荷同时率，用于调整同一馈线上不同用户之间的最大负荷。
10.根据权利要求9所述的考虑多类型需求侧资源的电力负荷预测方法，其特征在于：
由于变电站涵盖多条用电线路，因此在求解综合最大负荷时，需要考虑每条线路的用电状况，继而进行用电叠加，其叠加效果为：
<mrow> <msub> <mi>UP</mi> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> <mo>,</mo> <mi>D</mi> <mi>S</mi> <mi>M</mi> </mrow> </msub> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <msub> <mi>P</mi> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> <mo>,</mo> <mi>i</mi> </mrow> </msub> <mo>=</mo> <mo>&amp;lsqb;</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <mrow> <mo>(</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>m</mi> </munderover> <msub> <mi>P</mi> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> <mo>,</mo> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>)</mo> </mrow> <mo>*</mo> <msub> <mi>&amp;zeta;</mi> <mn>2</mn> </msub> <mo>&amp;rsqb;</mo> <mo>*</mo> <msub> <mi>&amp;zeta;</mi> <mn>3</mn> </msub> <mo>,</mo> </mrow>
式中，UPmax,DSM表示综合最大负荷，kW；ζ3为负荷同时率，用于调整不同馈线间的最大负荷；n为该变电站线路条数；
由此，通过需求侧资源作用前后最大负荷的变化，能够计算得出可延缓投建的变电容量，如下式所示。
ΔR＝η*(Pmax,0-UPmax,DSM)，
式中，ΔR表示考虑需求侧资源后可避免或者可延缓投建的变电容量；Pmax,0为预测期不考虑需求侧资源的最大负荷，η表示最大负荷减少比例。
CN201710573550.6A 2017-07-14 2017-07-14 一种考虑多类型需求侧资源的电力负荷预测方法 Pending CN107481030A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710573550.6A CN107481030A (zh) 2017-07-14 2017-07-14 一种考虑多类型需求侧资源的电力负荷预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710573550.6A CN107481030A (zh) 2017-07-14 2017-07-14 一种考虑多类型需求侧资源的电力负荷预测方法

Publications (1)

Publication Number Publication Date
CN107481030A true CN107481030A (zh) 2017-12-15

Family

ID=60595656

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710573550.6A Pending CN107481030A (zh) 2017-07-14 2017-07-14 一种考虑多类型需求侧资源的电力负荷预测方法

Country Status (1)

Country Link
CN (1) CN107481030A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108846505A (zh) * 2018-05-25 2018-11-20 合肥学院 可再生能源并网消纳信息多维度校核方法及设备
CN109325634A (zh) * 2018-10-24 2019-02-12 南方电网科学研究院有限责任公司 一种考虑用户潜在用电需求的农村电网负荷预测方法
CN110728408A (zh) * 2019-10-16 2020-01-24 国家电网有限公司 一种考虑用户源荷特征的居民用电量预测方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108846505A (zh) * 2018-05-25 2018-11-20 合肥学院 可再生能源并网消纳信息多维度校核方法及设备
CN108846505B (zh) * 2018-05-25 2020-09-25 合肥学院 可再生能源并网消纳信息多维度校核方法及设备
CN109325634A (zh) * 2018-10-24 2019-02-12 南方电网科学研究院有限责任公司 一种考虑用户潜在用电需求的农村电网负荷预测方法
CN109325634B (zh) * 2018-10-24 2022-03-18 南方电网科学研究院有限责任公司 一种考虑用户潜在用电需求的农村电网负荷预测方法
CN110728408A (zh) * 2019-10-16 2020-01-24 国家电网有限公司 一种考虑用户源荷特征的居民用电量预测方法

Similar Documents

Publication Publication Date Title
Ju et al. A bi-level stochastic scheduling optimization model for a virtual power plant connected to a wind–photovoltaic–energy storage system considering the uncertainty and demand response
CN105762792B (zh) 基于用户行为的户均配变容量的配置方法
Burstedde From nodal to zonal pricing: A bottom-up approach to the second-best
Shukla et al. Allocation of optimal distributed generation using GA for minimum system losses in radial distribution networks
CN108537409A (zh) 一种考虑多能源耦合特性的工业园区配电网协同规划方法
Tan et al. The optimization model for multi-type customers assisting wind power consumptive considering uncertainty and demand response based on robust stochastic theory
CN108122068A (zh) 一种配电网风险规划方法及系统
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
CN107146002A (zh) 一种建设区配电网规划方法及系统
CN104008430A (zh) 一种构建拟境挖掘动态智能负荷预测模型的方法
He et al. Real-time electricity pricing mechanism in China based on system dynamics
CN103034961B (zh) 一种电网节能水平的判定方法
CN103280810B (zh) 一种提高配电网负载率的优化调度方法
CN107316125A (zh) 一种基于经济运行域的主动配电网经济运行评价方法
CN102521652A (zh) 一种电网运营效率评价决策方法
CN115241931B (zh) 基于时变电碳因子曲线的园区综合能源系统调度方法
CN107748944B (zh) 一种售电侧放开环境下用户侧需求响应方法
CN107481030A (zh) 一种考虑多类型需求侧资源的电力负荷预测方法
CN108182485A (zh) 一种配电网检修时机优化方法及系统
CN105787603A (zh) 一种考虑需求侧资源的电网负荷预测方法和装置
CN103532157A (zh) 一种针对融入储能设备的电网系统电能调度方法
Marietta et al. A rolling horizon rescheduling strategy for flexible energy in a microgrid
CN103326348A (zh) 一种提高地区电网供电能力分析及全过程在线监测的系统
CN103093391A (zh) 城市配电网设置方法
CN104778635A (zh) 全寿命周期框架下的配电变压器更换方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20171215

RJ01 Rejection of invention patent application after publication