CN111145045B - 一种考虑VaR的电力大用户柔性负荷评估方法及系统 - Google Patents

一种考虑VaR的电力大用户柔性负荷评估方法及系统 Download PDF

Info

Publication number
CN111145045B
CN111145045B CN202010066440.2A CN202010066440A CN111145045B CN 111145045 B CN111145045 B CN 111145045B CN 202010066440 A CN202010066440 A CN 202010066440A CN 111145045 B CN111145045 B CN 111145045B
Authority
CN
China
Prior art keywords
data
user
flexible load
confidence level
dimension
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.)
Active
Application number
CN202010066440.2A
Other languages
English (en)
Other versions
CN111145045A (zh
Inventor
赵川
赵明
路学刚
孙华利
董诗焘
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.)
Yunnan Power Grid Co Ltd
Original Assignee
Yunnan Power Grid Co Ltd
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 Yunnan Power Grid Co Ltd filed Critical Yunnan Power Grid Co Ltd
Priority to CN202010066440.2A priority Critical patent/CN111145045B/zh
Publication of CN111145045A publication Critical patent/CN111145045A/zh
Application granted granted Critical
Publication of CN111145045B publication Critical patent/CN111145045B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • 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

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种考虑VaR的电力大用户柔性负荷评估方法及系统，包括：采集电力大用户柔性负荷参与系统调峰调度的五维历史数据；将电力大用户数据以用户为单位进行分组；使用蒙特卡洛模拟对各维度数据分别进行模拟；对各维度数据分别建立频数分布图；确定各维度数据的置信水平；确定各维度数据的分位数，在频数分布图中查询各维数据分位数对应的参数值；该参数值即为各维度对应置信水平下的VaR评估指标。本发明能根据电网自身不同风险承受能力给出对应的风险价值评估指标，对电力大用户的柔性负荷调度给出清晰、全面、准确的指导意见，提升电网稳定性和经济性运行。

Description

一种考虑VaR的电力大用户柔性负荷评估方法及系统
技术领域
本发明属于电力大用户柔性负荷评估技术领域，具体涉及一种考虑VaR的电力大用户柔性负荷评估方法及系统。
背景技术
电力高峰的持续增长使电力部门不断增加发电量以应对社会对电力的高额需求，同时，随着对环境保护的重视和分布式清洁能源的推广，电力系统逐渐接入了大量的分布式能源。大量用于调峰的发电机组间歇式运营将给电力运营带来更高的成本，大大降低电网运行的经济性。同时，分布式能源虽然具有清洁的特点，但是其波动性和随机性给电网的可靠性运行带来了巨大的挑战。为了保障电网平稳、可靠运行的同时降低电力运行的成本，柔性负荷调度作为发电调度的补充，已成为国内外关注的热点。柔性负荷调度能够削峰填谷、平衡间歇式能源波动以及为电网提供辅助服务。
电力大用户柔性负荷体量大，可参与调度的容量比居民负荷大很多，可以很好的支撑电网调峰、稳压任务。但是电力大用户生产计划性强，柔性负荷响应时间较长，灵活度不高，需要提前计划，提前预判。所以大用户柔性负荷的合理判断对于其充分发挥柔性负荷的调峰调度功能至关重要，系统不仅关注有多少可能调配的柔性负荷，同时要关注这些柔性负荷实际可调配概率是多少。电力大用户柔性负荷参与调度的各项属性是一个待预测值，而对于电力调度部门，不同风险承受能力背景下对于电力大用户柔性负荷的预测标准是不一样的。当电力调度部门可承受风险能力小时，对于电力大用户柔性负荷的各项属性有较高可信度的要求，而当电力调度部门可承受风险能力大时，对于电力大用户柔性负荷的各项属性只需满足较低可信度要求。
当前市场关于大用户柔性负荷的评估方法尚未完善，评估体系与评估指标尚未健全，且过于复杂的评估体系并不适应于实时性要求较高的电网调度任务，所以一种能够全面、准确、清晰、快速的电力大用户柔性负荷评估方法对于电网实现可靠性和经济性运行具有重要意义。
发明内容
本发明的目的是为了解决现有技术的不足，提供一种考虑VaR的电力大用户柔性负荷评估方法及系统。本发明能够对电力大用户的柔性负荷的响应特性、调节能力、调节范围、调度成本等方面进行多方位、全体系、简洁快速的评估，全面呈现当前时刻区域内电力大用户柔性负荷的特征属性，为电网调度调峰提供支持。
为实现上述目的，本发明采用的技术方案如下：
一种考虑VaR的电力大用户柔性负荷评估方法，包括以下步骤：
步骤(1)，收集电力大用户柔性负荷参与系统调峰调度的五维历史数据，以评估电力大用户柔性负荷的五维指标；
步骤(2)，将电力大用户数据以用户为单位进行分组，分别记为G1，G2，G3，Gm，表示用户1，用户2，用户3，...，用户m，各组用户数据为后续数据处理的基本单元：
步骤(3)，根据分组后的五维历史数据，使用蒙特卡洛模拟对各维度数据分别进行K次模拟，产生相应的随机序列，扩充各维度数据规模；
步骤(4)，根据各维度数据的蒙特卡洛模拟结果，对各维度数据分别建立频数分布图；
步骤(5)，根据电力系统当前风险承受能力，确定各维度数据的置信水平
Figure GDA0003902144110000027
Figure GDA0003902144110000021
步骤(6)，根据五维度数据的置信水平
Figure GDA0003902144110000022
确定各维度的分位数
Figure GDA0003902144110000023
根据各维度的频数分布图查询各分位数对应的参数值；上述参数值即为各维度对应置信水平下的VaR评估指标
Figure GDA0003902144110000024
Figure GDA0003902144110000025
进一步，优选的是，步骤(1)中，所述的电力大用户分为五类：制造业、政府与教育、商业、医疗卫生和公共工程；所述的五维历史数据包括响应容量数据Ci(t)、响应效益数据Pi(t)、响应满足率数据Mi(t)、响应时间数据Ti(t)、响应概率数据Ri(t)。
进一步，优选的是，响应容量数据Ci(t)：该用户在参与柔性负荷调度中实际互动容量与其最大可互动容量的比值，如下式：
Figure GDA0003902144110000026
其中，Ci(t)为响应容量，ΔPi(t)为该用户在本次柔性负荷调度中实际互动容量，Pi(t)为该用户最大可互动容量；
响应效益数据Pi(t)：该用户在参与柔性负荷调度中应允的负荷容量补偿价格，如下式：
Figure GDA0003902144110000031
其中，Pi(t)为响应效益，wj(t)为该用户第j次参与柔性负荷调度的补偿价格，n为参与次数；
响应满足率数据Mi(t)：该用户在参与柔性负荷调度邀约中实际互动容量占邀约容量的比值，如下式：
Figure GDA0003902144110000032
其中，Mi(t)为响应满足率，PMi(t)为本次柔性负荷调度邀约互动容量；
响应时间数据Ti(t)：该用户在收到柔性负荷调度计划后实施容量互动的时间，如下式：
Figure GDA0003902144110000033
其中，Ti(t)为响应时间，cl(t)为该用户第l次从开始容量互动到实现全部容量互动计划的时间，m为容量互动参与次数；
响应概率数据Ri(t)：该用户在收到柔性负荷调度邀约中应约的次数，如下式：
Figure GDA0003902144110000034
其中，Ri(t)为响应概率，y′(t)为系统发出柔性负荷调度邀约的次数，y(t)为该用户应约的次数。
进一步，优选的是，步骤(3)，根据五维历史数据的参数分布和参数估计值，使用蒙特卡洛模拟对各维度数据分别进行K次模拟，产生相应的随机序列；其具体方法如下：
蒙特卡洛模拟使用的随机过程是几何布朗运动，形式如下：
dSt＝μtStdt+σtStdzt
其中，St为时间t的参数变量，表示生成的随机序列；St-1是St在上一时刻的参数值，当为S0时，表示St的初始值，即原始数据值；dz是一个服从均值为0、方差为dt的正态分布随机变量，分布参数与原始数据保持相同；μt表示t时刻的瞬间漂移，σt表示t时刻的波动，μt和σt均为常数值；
该方程的解为：
Figure GDA0003902144110000041
随着时间的变化，St不断更新，不断产生的St即是t时刻基于几何布朗运动原理得出的蒙特卡洛模拟结果；
其中，K取值范围为[100，10000]。
进一步，优选的是，步骤(5)所述的根据电力系统当前风险承受能力，确定各维度数据的置信水平
Figure GDA0003902144110000042
具体方法为：
使用VaR评估各类指标的首要步骤是定义一个置信水平β，规定以超过β的概率确信系统参量大于
Figure GDA0003902144110000043
由于柔性负荷中特征参量为随机变量，即
Figure GDA0003902144110000044
为随机变量，满足系统参量大于
Figure GDA0003902144110000045
的α不是唯一的，所以对任意的
Figure GDA0003902144110000046
也满足系统参量大于
Figure GDA0003902144110000047
因此，VaR表示：以超过β的概率确信系统参量大于α中的最大值即为风险价值的输出，即：
Figure GDA0003902144110000048
其中，R为评估对象数值，Rα|β为风险评估结果，α为任意数值小于
Figure GDA0003902144110000049
的系统参量，具体的，系统参量为：
在评估指标
Figure GDA0003902144110000051
中，
Figure GDA0003902144110000052
表示响应容量；
在评估指标
Figure GDA0003902144110000053
中，
Figure GDA0003902144110000054
表示响应效益；
在评估指标
Figure GDA0003902144110000055
中，
Figure GDA0003902144110000056
表示响应时间；
在评估指标
Figure GDA0003902144110000057
中，
Figure GDA0003902144110000058
表示响应概率；
在评估指标
Figure GDA0003902144110000059
中，
Figure GDA00039021441100000510
表示响应满足率；
由上可知，各维度风险评估结果的计算依赖于相应置信水平
Figure GDA00039021441100000511
Figure GDA00039021441100000512
的确定，而各维度对应置信水平的确定则与电力系统当前风险承受能力相关。各维度置信水平确定方法为：置信水平的确定需根据系统风险承受能力的历史经验推导，设各评估对象的各维度初始置信水平为0.96，在下一次评估时需根据历史经验确定当次的置信水平，若当前系统风险承受能力较历史承受能力增强，则相应以下调置信水平取值；若当前系统风险承受能力较历史承受能力减弱，则相应以上调置信水平取值，详细的，置信水平与风险承受能力的关系可参考下表1。
表1：风险承受能力与置信水平推荐值对照表
风险承受能力等级描述 极强 强 较强 一般 弱 较弱 极弱
建议置信水平取值 <0.95 0.95 0.96 0.97 0.98 0.99 >0.99
进一步，优选的是，步骤(6)中，所述的置信水平和分位数具有以下关系：
Figure GDA00039021441100000513
Figure GDA00039021441100000514
Figure GDA00039021441100000515
Figure GDA00039021441100000516
Figure GDA00039021441100000517
进一步，优选的是，步骤(6)中，
Figure GDA00039021441100000518
的数值表示在置信水平为
Figure GDA00039021441100000519
的条件下，该用户在下一次柔性负荷调度邀约时可提供不少于
Figure GDA00039021441100000520
数值所表示的互动容量；
Figure GDA0003902144110000061
的数值表示在置信水平为
Figure GDA0003902144110000062
的条件下，该用户在下一次柔性负荷调度邀约时可提供不少于
Figure GDA0003902144110000063
数值所表示的互动容量；
Figure GDA0003902144110000064
的数值表示在置信水平为
Figure GDA0003902144110000065
的条件下，该用户在下一次柔性负荷调度邀约时可提供不少于
Figure GDA0003902144110000066
数值所表示的互动容量；
Figure GDA0003902144110000067
的数值表示在置信水平为
Figure GDA0003902144110000068
的条件下，该用户在下一次柔性负荷调度邀约时可提供不少于
Figure GDA0003902144110000069
数值所表示的互动容量；
Figure GDA00039021441100000610
的数值表示在置信水平为
Figure GDA00039021441100000611
的条件下，该用户在下一次柔性负荷调度邀约时可提供不少于
Figure GDA00039021441100000612
数值所表示的互动容量。
本发明同时提供一种考虑VaR的电力大用户柔性负荷评估系统，包括：
数据采集模块，用于采集电力大用户柔性负荷参与系统调峰调度的五维历史数据；
第一处理模块，用于将电力大用户数据以用户为单位进行分组；
数据扩充模块，用于根据分组后的五维历史数据，使用蒙特卡洛模拟对各维度数据分别进行K次模拟，产生相应的随机序列，扩充各维度数据规模；
第二处理模块，用于根据各维度数据的蒙特卡洛模拟结果，对各维度数据分别建立频数分布图；
第三处理模块，用于根据电力系统当前风险承受能力，确定各维度数据的置信水平
Figure GDA00039021441100000613
柔性负荷调度模块，用于根据五维度数据的置信水平
Figure GDA00039021441100000614
确定各维度的分位数
Figure GDA00039021441100000615
根据各维度的频数分布图查询各分位数对应的参数值；上述参数值即为各维度对应置信水平下的VaR评估指标
Figure GDA00039021441100000616
之后通过VaR评估指标进行柔性负荷调度。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现上述考虑VaR的电力大用户柔性负荷评估方法的步骤。
本发明另外提供一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如上述考虑VaR的电力大用户柔性负荷评估方法的步骤。
本发明中各用户间的数据处理步骤完全相同且相互独立，步骤(3)～步骤(6)方法适用于任一单个用户的数据处理。
本发明中K取值越大，则评估精度越高，但是运算量越大。
本发明中优选σt取0.05t取1，μt为[0，1]范围内的随机数
本发明与现有技术相比，其有益效果为：
本发明能够从五个维度对电力大用户柔性负荷参与系统调度的容量、效益、满足率、时间、概率进行评估，评估方法及系统涵盖了电力大用户柔性负荷参与系统调度的相关影响因素，符合调度部门对柔性负荷调度信息的关注内容，具有较强的实际应用价值。同时评估方法和系统根据电网自身不同风险承受能力给出对应的风险价值指标，能对电网不同运行状态加以区分，对电力大用户进行柔性负荷调度给出清晰、全面、准确的指导意见。与现有技术相比，该评估方法及系统使用了全新的评估体系和计算方案，比现有技术更加全面的符合使用者的关注信息，并且能够适时根据系统自身的风险承受能力调节柔性负荷调度参数和调度对象，能显著提升电网稳定性和经济性运行。
附图说明
图1为本发明方法流程图；
图2为本发明系统的结构示意图；
图3为本发明电子设备结构示意图。
具体实施方式
下面结合实施例对本发明作进一步的详细描述。
本领域技术人员将会理解，下列实施例仅用于说明本发明，而不应视为限定本发明的范围。实施例中未注明具体技术或条件者，按照本领域内的文献所描述的技术或条件或者按照产品说明书进行。所用材料或设备未注明生产厂商者，均为可以通过购买获得的常规产品。
一种考虑VaR的电力大用户柔性负荷评估方法，包括以下步骤：
步骤(1)，收集电力大用户柔性负荷参与系统调峰调度的五维历史数据，以评估电力大用户柔性负荷的五维指标；
所述的电力大用户分为五类：制造业、政府与教育、商业、医疗卫生和公共工程；所述的五维历史数据包括响应容量数据Ci(t)、响应效益数据Pi(t)、响应满足率数据Mi(t)、响应时间数据Ti(t)、响应概率数据Ri(t)；
响应容量数据Ci(t)：该用户在参与柔性负荷调度中实际互动容量与其最大可互动容量的比值，如下式：
Figure GDA0003902144110000081
其中，Ci(t)为响应容量，ΔPi(t)为该用户在本次柔性负荷调度中实际互动容量，Pi(t)为该用户最大可互动容量；
响应效益数据Pi(t)：该用户在参与柔性负荷调度中应允的负荷容量补偿价格，如下式：
Figure GDA0003902144110000082
其中，Pi(t)为响应效益，wj(t)为该用户第j次参与柔性负荷调度的补偿价格，n为参与次数；
响应满足率数据Mi(t)：该用户在参与柔性负荷调度邀约中实际互动容量占邀约容量的比值，如下式：
Figure GDA0003902144110000083
其中，Mi(t)为响应满足率，PMi(t)为本次柔性负荷调度邀约互动容量；
响应时间数据Ti(t)：该用户在收到柔性负荷调度计划后实施容量互动的时间，如下式：
Figure GDA0003902144110000084
其中，Ti(t)为响应时间，cl(t)为该用户第1次从开始容量互动到实现全部容量互动计划的时间，m为容量互动参与次数；
响应概率数据Ri(t)：该用户在收到柔性负荷调度邀约中应约的次数，如下式：
Figure GDA0003902144110000091
其中，Ri(t)为响应概率，y′(t)为系统发出柔性负荷调度邀约的次数，y(t)为该用户应约的次数。
步骤(2)，将电力大用户数据以用户为单位进行分组，分别记为G1，G2，G3，Gm，表示用户1，用户2，用户3，...，用户m，各组用户数据为后续数据处理的基本单元，各用户间的数据处理步骤完全相同且相互独立，以下步骤为适用于任一单个用户的数据处理步骤特征；
步骤(3)，根据分组后的五维历史数据，使用蒙特卡洛模拟对各维度数据分别进行K次模拟，产生相应的随机序列，扩充各维度数据规模，其中K取值范围为[100，10000]，K取值越大，则评估精度越高，但是运算量越大；
其具体方法如下：
蒙特卡洛模拟使用的随机过程是几何布朗运动，形式如下：
dSt＝μtStdt+σtStdzt
其中，St为时间t的参数变量，表示生成的随机序列；St-1是St在上一时刻的参数值，当为S0时，表示St的初始值，即原始数据值；dz是一个服从均值为0、方差为dt的正态分布随机变量，分布参数与原始数据保持相同；μt表示t时刻的瞬间漂移，σt表示t时刻的波动，通常可以设为常数值，如σt取0.05，t取1；该方程的解为：
Figure GDA0003902144110000092
随着时间的变化，St不断更新，不断产生的St即是t时刻基于几何布朗运动原理得出的蒙特卡洛模拟结果。
步骤(4)，根据各维度数据的蒙特卡洛模拟结果，对各维度数据分别建立频数分布图；
步骤(5)，根据电力系统当前风险承受能力，确定各维度数据的置信水平
Figure GDA0003902144110000093
Figure GDA0003902144110000101
其具体方法为：
使用VaR评估各类指标的首要步骤是定义一个置信水平β，规定以超过β的概率确信系统参量大于
Figure GDA0003902144110000108
由于柔性负荷中特征参量为随机变量，即
Figure GDA0003902144110000109
为随机变量，满足系统参量大于
Figure GDA00039021441100001010
的α不是唯一的，所以对任意的
Figure GDA00039021441100001011
也满足系统参量大于
Figure GDA00039021441100001012
因此，VaR表示：以超过β的概率确信系统参量大于α中的最大值即为风险价值的输出，即：
Figure GDA0003902144110000102
其中，R为评估对象数值，Rα|β为风险评估结果。
由上可知，各维度风险评估结果的计算依赖于相应置信水平
Figure GDA00039021441100001013
Figure GDA00039021441100001014
的确定，而各维度对应置信水平的确定则与电力系统当前风险承受能力相关，各维度置信水平确定方法为：置信水平的确定需根据系统风险承受能力的历史经验推导，设各评估对象的各维度初始置信水平为0.96，在下一次评估时需根据历史经验确定当次的置信水平，若当前系统风险承受能力较历史承受能力增强，则相应以下调置信水平取值；若当前系统风险承受能力较历史承受能力减弱，则相应以上调置信水平取值。
步骤(6)，根据五维度数据的置信水平
Figure GDA00039021441100001015
确定各维度的分位数
Figure GDA00039021441100001016
根据各维度的频数分布图查询各分位数对应的参数值；上述参数值即为各维度对应置信水平下的VaR评估指标
Figure GDA0003902144110000103
Figure GDA0003902144110000104
所述的置信水平和分位数具有以下关系：
Figure GDA0003902144110000105
Figure GDA0003902144110000106
Figure GDA0003902144110000107
Figure GDA0003902144110000111
Figure GDA0003902144110000112
Figure GDA0003902144110000113
的数值表示在置信水平为
Figure GDA0003902144110000114
的条件下，该用户在下一次柔性负荷调度邀约时可提供不少于
Figure GDA0003902144110000115
数值所表示的互动容量；
Figure GDA0003902144110000116
的数值表示在置信水平为
Figure GDA0003902144110000117
的条件下，该用户在下一次柔性负荷调度邀约时可提供不少于
Figure GDA0003902144110000118
数值所表示的互动容量；
Figure GDA0003902144110000119
的数值表示在置信水平为
Figure GDA00039021441100001110
的条件下，该用户在下一次柔性负荷调度邀约时可提供不少于
Figure GDA00039021441100001111
数值所表示的互动容量；
Figure GDA00039021441100001112
的数值表示在置信水平为
Figure GDA00039021441100001113
的条件下，该用户在下一次柔性负荷调度邀约时可提供不少于
Figure GDA00039021441100001114
数值所表示的互动容量；
Figure GDA00039021441100001115
的数值表示在置信水平为
Figure GDA00039021441100001116
的条件下，该用户在下一次柔性负荷调度邀约时可提供不少于
Figure GDA00039021441100001117
数值所表示的互动容量。如图2所示，一种考虑VaR的电力大用户柔性负荷评估系统，包括：
数据采集模块101，用于采集电力大用户柔性负荷参与系统调峰调度的五维历史数据；
第一处理模块102，用于将电力大用户数据以用户为单位进行分组；
数据扩充模块103，用于根据分组后的五维历史数据，使用蒙特卡洛模拟对各维度数据分别进行K次模拟，产生相应的随机序列，扩充各维度数据规模；
第二处理模块104，用于根据各维度数据的蒙特卡洛模拟结果，对各维度数据分别建立频数分布图；
第三处理模块105，用于根据电力系统当前风险承受能力，确定各维度数据的置信水平
Figure GDA00039021441100001118
柔性负荷调度模块，用于根据五维度数据的置信水平
Figure GDA00039021441100001119
确定各维度的分位数
Figure GDA00039021441100001120
根据各维度的频数分布图查询各分位数对应的参数值；上述参数值即为各维度对应置信水平下的VaR评估指标
Figure GDA0003902144110000121
之后通过VaR评估指标进行柔性负荷调度。
在本发明实施例中，数据采集模块101采集电力大用户柔性负荷参与系统调峰调度的五维历史数据；然后，第一处理模块102将电力大用户数据以用户为单位进行分组；接着，数据扩充模块103再根据分组后的五维历史数据，使用蒙特卡洛模拟对各维度数据分别进行K次模拟，产生相应的随机序列，扩充各维度数据规模；之后，第二处理模块104根据各维度数据的蒙特卡洛模拟结果，对各维度数据分别建立频数分布图；第三处理模块105再根据电力系统当前风险承受能力，确定各维度数据的置信水平
Figure GDA0003902144110000122
最后，柔性负荷调度模块106根据五维度数据的置信水平
Figure GDA0003902144110000123
确定各维度的分位数
Figure GDA0003902144110000124
根据各维度的频数分布图查询各分位数对应的参数值；上述参数值即为各维度对应置信水平下的VaR评估指标
Figure GDA0003902144110000125
之后通过VaR评估指标进行柔性负荷调度。
本发明实施例提供的一种考虑VaR的电力大用户柔性负荷评估系统，该系统能够对电力大用户的柔性负荷的响应特性、调节能力、调节范围、调度成本等方面进行多方位、全体系、简洁快速的评估，全面呈现当前时刻区域内电力大用户柔性负荷的特征属性，为电网调度调峰提供支持。
本发明实施例提供的系统是用于执行上述各方法实施例的，具体流程和详细内容请参照上述实施例，此处不再赘述。
图3为本发明实施例提供的电子设备结构示意图，参照图3，该电子设备可以包括：处理器(processor)201、通信接口(Communications Interface)202、存储器(memory)203和通信总线204，其中，处理器201，通信接口202，存储器203通过通信总线204完成相互间的通信。处理器201可以调用存储器203中的逻辑指令，以执行如下方法：收集电力大用户柔性负荷参与系统调峰调度的五维历史数据，以评估电力大用户柔性负荷的五维指标；将电力大用户数据以用户为单位进行分组，分别记为G1，G2，G3，...，Gm，表示用户1，用户2，用户3,…,用户m，各组用户数据为后续数据处理的基本单元；根据分组后的五维历史数据，使用蒙特卡洛模拟对各维度数据分别进行K次模拟，产生相应的随机序列，扩充各维度数据规模；根据各维度数据的蒙特卡洛模拟结果，对各维度数据分别建立频数分布图；根据电力系统当前风险承受能力，确定各维度数据的置信水平
Figure GDA0003902144110000131
Figure GDA0003902144110000132
根据五维度数据的置信水平
Figure GDA0003902144110000133
确定各维度的分位数
Figure GDA0003902144110000134
根据各维度的频数分布图查询各分位数对应的参数值；上述参数值即为各维度对应置信水平下的VaR评估指标
Figure GDA0003902144110000135
Figure GDA0003902144110000136
另外，上述的存储器203中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的考虑VaR的电力大用户柔性负荷评估方法，例如包括收集电力大用户柔性负荷参与系统调峰调度的五维历史数据，以评估电力大用户柔性负荷的五维指标；将电力大用户数据以用户为单位进行分组，分别记为G1，G2，G3，...，Gm表示用户1，用户2，用户3,…,用户m，各组用户数据为后续数据处理的基本单元；根据分组后的五维历史数据，使用蒙特卡洛模拟对各维度数据分别进行K次模拟，产生相应的随机序列，扩充各维度数据规模；根据各维度数据的蒙特卡洛模拟结果，对各维度数据分别建立频数分布图；根据电力系统当前风险承受能力，确定各维度数据的置信水平
Figure GDA0003902144110000137
根据五维度数据的置信水平
Figure GDA0003902144110000138
Figure GDA0003902144110000139
确定各维度的分位数
Figure GDA00039021441100001310
根据各维度的频数分布图查询各分位数对应的参数值；上述参数值即为各维度对应置信水平下的VaR评估指标
Figure GDA00039021441100001311
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (7)

1.一种考虑VaR的电力大用户柔性负荷评估方法，其特征在于，包括以下步骤：
步骤(1)，收集电力大用户柔性负荷参与系统调峰调度的五维历史数据，以评估电力大用户柔性负荷的五维指标；所述的五维历史数据包括响应容量数据ci(t)、响应效益数据Pi(t)、响应满足率数据Mi(t)、响应时间数据Ti(t)、响应概率数据Ri(t)；
步骤(2)，将电力大用户数据以用户为单位进行分组，分别记为G1，G2，G3，...，Gm，表示用户1，用户2，用户3，...，用户m，各组用户数据为后续数据处理的基本单元；
步骤(3)，根据分组后的五维历史数据，使用蒙特卡洛模拟对各维度数据分别进行K次模拟，产生相应的随机序列，扩充各维度数据规模；
步骤(4)，根据各维度数据的蒙特卡洛模拟结果，对各维度数据分别建立频数分布图；
步骤(5)，根据电力系统当前风险承受能力，确定各维度数据的置信水平
Figure FDA0003902144100000011
Figure FDA0003902144100000012
步骤(6)，根据五维度数据的置信水平
Figure FDA0003902144100000013
确定各维度的分位数
Figure FDA0003902144100000014
根据各维度的频数分布图查询各分位数对应的参数值；上述参数值即为各维度对应置信水平下的VaR评估指标
Figure FDA0003902144100000015
Figure FDA0003902144100000016
步骤(3)，根据五维历史数据的参数分布和参数估计值，使用蒙特卡洛模拟对各维度数据分别进行K次模拟，产生相应的随机序列；其具体方法如下：
蒙特卡洛模拟使用的随机过程是几何布朗运动，形式如下：
dSt＝μtStdt+σtStdzt
其中，St为时间t的参数变量，表示生成的随机序列；St-1是St在上一时刻的参数值，当为S0时，表示St的初始值，即原始数据值；dz是一个服从均值为0、方差为dt的正态分布随机变量，分布参数与原始数据保持相同；μt表示t时刻的瞬间漂移，σt表示t时刻的波动，μt和σt均为常数值；
该方程的解为：
Figure FDA0003902144100000021
随着时间的变化，st不断更新，不断产生的st即是t时刻基于几何布朗运动原理得出的蒙特卡洛模拟结果；
其中，K取值范围为[100，10000]；
步骤(5)所述的根据电力系统当前风险承受能力，确定各维度数据的置信水平
Figure FDA0003902144100000022
具体方法为：
使用VaR评估各类指标的首要步骤是定义一个置信水平β，规定以超过β的概率确信系统参量大于
Figure FDA0003902144100000023
由于柔性负荷中特征参量为随机变量，即
Figure FDA0003902144100000024
为随机变量，满足系统参量大于
Figure FDA0003902144100000025
的α不是唯一的，所以对任意的
Figure FDA0003902144100000026
也满足系统参量大于
Figure FDA0003902144100000027
因此，VaR表示：以超过β的概率确信系统参量大于α中的最大值即为风险价值的输出，即：
Figure FDA0003902144100000028
其中，
Figure FDA0003902144100000029
为评估对象数值，Rα|β为风险评估结果，α为任意数值小于
Figure FDA00039021441000000210
的系统参量，具体的，系统参量为：
在评估指标
Figure FDA00039021441000000211
中，
Figure FDA00039021441000000212
表示响应容量；
在评估指标
Figure FDA00039021441000000213
中，
Figure FDA00039021441000000214
表示响应效益；
在评估指标
Figure FDA00039021441000000215
中，
Figure FDA00039021441000000216
表示响应时间；
在评估指标
Figure FDA00039021441000000217
中，
Figure FDA00039021441000000218
表示响应概率；
在评估指标
Figure FDA00039021441000000219
中，
Figure FDA00039021441000000220
表示响应满足率；
由上可知，各维度风险评估结果的计算依赖于相应置信水平
Figure FDA00039021441000000221
Figure FDA00039021441000000222
的确定，而各维度对应置信水平的确定则与电力系统当前风险承受能力相关；
响应容量数据ci(t)：该用户在参与柔性负荷调度中实际互动容量与其最大可互动容量的比值，如下式：
Figure FDA0003902144100000031
其中，ci(t)为响应容量，ΔPi(t)为该用户在本次柔性负荷调度中实际互动容量，Pi(t)为该用户最大可互动容量；
响应效益数据Pi(t)：该用户在参与柔性负荷调度中应允的负荷容量补偿价格，如下式：
Figure FDA0003902144100000032
其中，Pi(t)为响应效益，wj(t)为该用户第j次参与柔性负荷调度的补偿价格，n为参与次数；
响应满足率数据Mi(t)：该用户在参与柔性负荷调度邀约中实际互动容量占邀约容量的比值，如下式：
Figure FDA0003902144100000033
其中，Mi(t)为响应满足率，PMi(t)为本次柔性负荷调度邀约互动容量；
响应时间数据Ti(t)：该用户在收到柔性负荷调度计划后实施容量互动的时间，如下式：
Figure FDA0003902144100000034
其中，Ti(t)为响应时间，cl(t)为该用户第l次从开始容量互动到实现全部容量互动计划的时间，m为容量互动参与次数；
响应概率数据Ri(t)：该用户在收到柔性负荷调度邀约中应约的次数，如下式：
Figure FDA0003902144100000041
其中，Ri(t)为响应概率，y′(t)为系统发出柔性负荷调度邀约的次数，y(t)为该用户应约的次数。
2.根据权利要求1所述的考虑VaR的电力大用户柔性负荷评估方法，其特征在于，步骤(1)中，所述的电力大用户分为五类：制造业、政府与教育、商业、医疗卫生和公共工程。
3.根据权利要求1所述的考虑VaR的电力大用户柔性负荷评估方法，其特征在于，步骤(6)中，所述的置信水平和分位数具有以下关系：
Figure FDA0003902144100000042
Figure FDA0003902144100000043
Figure FDA0003902144100000044
Figure FDA0003902144100000045
Figure FDA0003902144100000046
4.根据权利要求1所述的考虑VaR的电力大用户柔性负荷评估方法，其特征在于，步骤(6)中，
Figure FDA0003902144100000047
的数值表示在置信水平为
Figure FDA0003902144100000048
的条件下，该用户在下一次柔性负荷调度邀约时可提供不少于
Figure FDA0003902144100000049
数值所表示的互动容量；
Figure FDA00039021441000000410
的数值表示在置信水平为
Figure FDA00039021441000000411
的条件下，该用户在下一次柔性负荷调度邀约时可提供不少于
Figure FDA00039021441000000412
数值所表示的互动容量；
Figure FDA00039021441000000413
的数值表示在置信水平为
Figure FDA00039021441000000414
的条件下，该用户在下一次柔性负荷调度邀约时可提供不少于
Figure FDA00039021441000000415
数值所表示的互动容量；
Figure FDA00039021441000000416
的数值表示在置信水平为
Figure FDA00039021441000000417
的条件下，该用户在下一次柔性负荷调度邀约时可提供不少于
Figure FDA00039021441000000418
数值所表示的互动容量；
Figure FDA00039021441000000419
的数值表示在置信水平为
Figure FDA00039021441000000420
的条件下，该用户在下一次柔性负荷调度邀约时可提供不少于
Figure FDA0003902144100000051
数值所表示的互动容量。
5.一种考虑VaR的电力大用户柔性负荷评估系统，采用权利要求1所述的考虑VaR的电力大用户柔性负荷评估方法，其特征在于，包括：
数据采集模块，用于采集电力大用户柔性负荷参与系统调峰调度的五维历史数据；
第一处理模块，用于将电力大用户数据以用户为单位进行分组；
数据扩充模块，用于根据分组后的五维历史数据，使用蒙特卡洛模拟对各维度数据分别进行K次模拟，产生相应的随机序列，扩充各维度数据规模；
第二处理模块，用于根据各维度数据的蒙特卡洛模拟结果，对各维度数据分别建立频数分布图；
第三处理模块，用于根据电力系统当前风险承受能力，确定各维度数据的置信水平
Figure FDA0003902144100000052
柔性负荷调度模块，用于根据五维度数据的置信水平
Figure FDA0003902144100000053
确定各维度的分位数
Figure FDA0003902144100000054
根据各维度的频数分布图查询各分位数对应的参数值；上述参数值即为各维度对应置信水平下的VaR评估指标
Figure FDA0003902144100000055
之后通过VaR评估指标进行柔性负荷调度。
6.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至4任一项所述考虑VaR的电力大用户柔性负荷评估方法的步骤。
7.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至4任一项所述考虑VaR的电力大用户柔性负荷评估方法的步骤。
CN202010066440.2A 2020-01-20 2020-01-20 一种考虑VaR的电力大用户柔性负荷评估方法及系统 Active CN111145045B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010066440.2A CN111145045B (zh) 2020-01-20 2020-01-20 一种考虑VaR的电力大用户柔性负荷评估方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010066440.2A CN111145045B (zh) 2020-01-20 2020-01-20 一种考虑VaR的电力大用户柔性负荷评估方法及系统

Publications (2)

Publication Number Publication Date
CN111145045A CN111145045A (zh) 2020-05-12
CN111145045B true CN111145045B (zh) 2023-01-03

Family

ID=70526415

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010066440.2A Active CN111145045B (zh) 2020-01-20 2020-01-20 一种考虑VaR的电力大用户柔性负荷评估方法及系统

Country Status (1)

Country Link
CN (1) CN111145045B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113095605B (zh) * 2021-06-09 2021-08-13 广东电力交易中心有限责任公司 一种基于蒙特卡罗的电价风险预测方法及装置
CN115600825B (zh) * 2022-12-09 2023-05-02 国网浙江省电力有限公司金华供电公司 一种电力负荷的调度方法及装置、存储介质、电子设备

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2749770C (en) * 2009-01-14 2021-07-20 Integral Analytics, Inc. Optimization of microgrid energy use and distribution
CN103872680B (zh) * 2014-03-24 2016-01-20 国家电网公司 一种评估柔性负荷互动能力的方法
CN105160149B (zh) * 2015-07-22 2017-12-01 国家电网公司 一种模拟调峰机组的需求响应调度评估体系构建方法
CN105427045A (zh) * 2015-11-24 2016-03-23 国家电网公司 一种电力系统及电力市场参与主体风险评估系统
US20170283085A1 (en) * 2016-04-04 2017-10-05 The Boeing Company On-board structural load assessment of an aircraft during flight events
CN106779291B (zh) * 2016-11-15 2020-09-25 国网浙江省电力公司经济技术研究院 智能用电园区需求响应策略
CN108470233B (zh) * 2018-02-01 2020-05-15 华北电力大学 一种智能电网的需求响应能力评估方法和计算设备
CN109978336B (zh) * 2019-02-26 2021-02-05 合肥工业大学 一种考虑需求响应可靠性的响应容量区间评估方法

Also Published As

Publication number Publication date
CN111145045A (zh) 2020-05-12

Similar Documents

Publication Publication Date Title
EP3893154A1 (en) Recommendation model training method and related apparatus
CN111612275B (zh) 一种预测区域用户负荷量的方法及装置
CN111145045B (zh) 一种考虑VaR的电力大用户柔性负荷评估方法及系统
CN112070301B (zh) 一种用户用电量调整方法、系统及设备
CN109687447B (zh) 一种电力能耗预测方法及装置
CN109636467A (zh) 一种品牌的互联网数字资产的综合评估方法及系统
CN109284939B (zh) 综合能源系统的热电联合随机生产模拟方法、装置及设备
CN111461786A (zh) 基于Prophet-CEEMDAN-ARIMA的商品销量预测方法及装置
CN106708868A (zh) 一种互联网数据分析方法及系统
CN105335518A (zh) 生成用户偏好信息的方法及装置
KR20220115357A (ko) 어텐션 메커니즘 기반의 미래 수요 예측 데이터 생성방법 및 장치
CN114663015A (zh) 补货方法和装置
CN112163781A (zh) 基于多维度指标聚类的园区用电群体生命周期评价方法
CN117056591A (zh) 基于动态预测的电力缴费渠道智能推荐方法及系统
Alamsyah et al. Monte Carlo simulation and clustering for customer segmentation in business organization
WO2014020299A1 (en) Location evaluation
CN112039111A (zh) 一种新能源微电网参与电网调峰能力的方法及系统
CN111724176A (zh) 店铺流量调节方法、装置、设备及计算机可读存储介质
CN114780860A (zh) 基于多维大数据融合汇聚的自主决策方法
CN115936184A (zh) 一种适应多用户类型的负荷预测匹配方法
CN111353797A (zh) 资源分配方法、装置以及电子设备
CN115185606A (zh) 业务配置参数的获得方法、装置、设备及存储介质
CN106056234A (zh) 变压器容量的确定方法和装置
Liu et al. Forecast and Analysis of National GDP in China Based on ARIMA Model
CN106919946A (zh) 一种受众选择的方法及装置

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