CN112329980A - 一种机器学习定电价改善电网运行水平的方法 - Google Patents
一种机器学习定电价改善电网运行水平的方法 Download PDFInfo
- Publication number
- CN112329980A CN112329980A CN202011018726.XA CN202011018726A CN112329980A CN 112329980 A CN112329980 A CN 112329980A CN 202011018726 A CN202011018726 A CN 202011018726A CN 112329980 A CN112329980 A CN 112329980A
- Authority
- CN
- China
- Prior art keywords
- load
- electricity
- power
- power grid
- adjustable
- 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
- 230000005611 electricity Effects 0.000 title claims abstract description 187
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000010801 machine learning Methods 0.000 title claims abstract description 16
- 230000006870 function Effects 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000002068 genetic effect Effects 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 6
- 238000011217 control strategy Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000007418 data mining Methods 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 2
- 238000013075 data extraction Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 230000008451 emotion Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
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
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06Q30/0206—Price or cost determination based on market factors
-
- 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
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Entrepreneurship & Innovation (AREA)
- Finance (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Quality & Reliability (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Operations Research (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
一种机器学习定电价改善电网运行水平的方法,属于电力系统技术领域,方法包括:步骤1:选择一个较大的电网安全稳定运行区域,依照省级电网定为一个区域,对区域电网的日前负荷预测曲线进行分析;步骤2:依照偏离标准负荷P0的大小设定实际电价;步骤3:对电价阶梯化;步骤4:将用户用电负荷分为可调负荷与不可调负荷等,本发明利用以日前负荷数据对电价的调整,使可变负荷投入功率方式发生改变,减小了峰谷差,增强了电网的稳定性,得到一种最优的用电策略,使用电者电费花销最小。
Description
技术领域
本发明属于电力系统技术领域,具体涉及一种机器学习定电价改善电网运行水平的方法。
背景技术
当前国内用户电价模式可分为峰谷分时电价与阶梯电价两种,其中,峰谷分时电价作为实时电价的简化形式,在未实行峰谷电价的地区,现有的阶梯电价能够从一定程度上改善用电峰谷情况,阶梯电价的推行将导致某一时段的用电负荷较单一单价时更为集中,而其他时段的用电负荷又大大低于往常水平,将导致负荷需求波动较单一电价时加大。并且在用电高峰时段其电价不好把控,过高会造成不可调节用户的情绪,过低无法起到削减负载的效果。
发明内容
为了解决上述技术问题,本发明提出一种机器学习定电价改善电网运行水平的方法,利用省级电网的日前负荷预测数据,确定次日电价,以用户某日作为研究对象,将其用电分为可调节用电负荷以及不可调节用电负荷,以用户当日电费最小为目标,设定用户用电量日负荷曲线,在保证用户用电的前提下调整可调节用电负荷用电情况,保证用户该日产生的电费最小,进而改善电网运行水平。
本发明采用如下技术方案:
一种机器学习定电价改善电网运行水平的方法,包括如下步骤:
步骤1:
选择一个较大的电网安全稳定运行区域,目前一般都依照省级电网定为一个区域,对区域电网的日前负荷预测曲线进行分析,采用等面积电量法,获得次日均负荷值P0。
次日最大负荷值为P0,日负荷曲线为PL(t)。
步骤2:
定价方面,实际电价在标准电价的基础上波动,波动速率为S,S受电价波动范围W和次日负荷预测曲线影响。S与W呈现幂函数关系,将多日负荷数据作为输入,进行训练学习,将幂次关系i作为输出,确定W与S的函数幂次关系,拟合出最为接近的i值。
实际电价为
At=A0+kn·W
其中,W=Si;
其中,k1<k2<k3;i为时间t内负荷预测值与标准负荷值之差;At为t时刻电价;w为基础电价;A0为基础电价;kn为加权系数;ΔPN为负荷基准值,标准化后波动速率s无单位
步骤3:
对电价阶梯化。在电价波动小于0.01元时,取其平均值进行定价精确至两位有效数字。电价调整时间t,主要跟随次日负荷预测曲线数据点间隔t来决定,一般省级电网数据采集间隔为15分钟。
步骤4:
将用户用电负荷进行分类。将其分为不可调用电负荷Sr1,t和可调节用电负荷Sr2(Δt,T)。负荷表达式如下:
St=Sr1,t+Sr2(Δt,T)
其中,Sr1,t为不可调用电负荷,Sr2(Δt,T)为可调节负荷。不可调用电负荷即该时段内必须用电负荷;可调节用电量为在优化目标时可进行调节的不必须用电的负荷。
步骤5:
对每个可调节用电负荷建模。对于可调节负荷来说,其主要影响因素为中断时间Δt和运行时长T。第i个可调节用电负荷的模型为fi(Δt,T),确定在不同的中断时间Δt和运行时长T下的电费最小模型。
步骤6:
建立目标函数,对预设约定条件内的电价模型进行优化,获得用电客户在该日内的最优用电方案,使其产生的当日电费值最小。其中所述电价模型优化函数为:
其中,Pri为用户可调节用电装置产生的电费;At为t时间内的电价;Sr2,t为t时间内可调节负荷;Pz为奖励费用。
步骤6.1:
其关于奖励费用的算式如下:
其中,奖励费用为Pz;μ为优惠比例系数;ΔSm(t)为连续按照规定负荷曲线第m天t时间内的可调节负荷用电量,Qm(t)为连续按照规定负荷曲线第m天t时间内的售电单价。
步骤7:
第t个小时内要求的最小可调节负荷约束:
0≤Sr2,t≤Sr2,tmax t=1,...,24 (4.2)
Sr2max为该用户第t个小时内最大的可转移负荷容量
步骤8:
利用遗传算法进行求解方程,判断迭代是否完成,输出解。得出第t小时可转移负荷用电量,从而得出该用户该日所有负荷用电负荷曲线。
步骤9:在满足其用电量的同时对可调用电设备部分进行调整,满足最小电费用电趋势。对各用电装置启停进行控制。
本发明的优点与效果为:
目前电网运行具有峰谷差大的特点,该电价方法从省级电网角度出发,通过日前负荷预测曲线对电价作出调整,改善负荷曲线从而改善整体户用电曲线,减小峰谷差,增强电网稳定性。
将用户的用电设备分为不可调用电负荷和可调节用电负荷,在保证用户供电可靠性的同时,优化用电方案。
通过得出的电价,对目标函数进行求解,对客户的可调节负荷制定用电方案,保证用户用电费用最低,进而改善电网运行水平。
附图说明
图1是本发明电价定价系统流程图;
图2是本发明实际计算中省级电网日负荷曲线图;
图3是在本发明所利用的遗传算法的逻辑框图;
图4是在实际计算中逻辑框图;
图5用户某天调节前后负荷曲线对比图;
图6计算模块结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合实施例及相应的附图对本发明的技术方案进行清楚、完整的描述。显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。结合附图对本发明的具体实施方式做进一步说明,电价定价系统流程见附图1,该系统主要分为三个部分。分别为数据采集模块、计算模块、输出模块,模块流程图如1所示。
将省级日前负荷数据输入数据采集模块,其中有效信息为:次日用电量总值,每时刻用电量、电价调节时间间隔t,用户无突发性非计划用电小时数,确定优惠比例系数μ。
计算模块计算获得日均负荷值P0、t时刻电价At、奖励费用Pz。计算目标函数值并得出用电曲线及数据。如图2所示。
输出模块在迭代完成后形成电价。输出模块连接用户执行装置,装置在可调负荷前,接入自动编辑用电装置,并且与区域电网定价中心实时连接,实时接受下达的电网定价。利用用户侧执行装置对用电负荷进行调整,通过对电流值进行调整,调整设备投入功率,在满足其用电量的同时,使电费最小。调整前后用电对比如图4所示。一种机器学习定电价改善电网运行水平的方法,包括如下步骤:
步骤1:选择一个较大的电网安全稳定运行区域,目前一般都依照省级电网定为一个区域,对区域电网的日前负荷预测曲线进行分析,采用等面积电量法,获得次日均负荷值。
步骤2:将次日均负荷值作为标准负荷值P0,P0对应标准电价A0,标准电价A0是电价波动范围W的最小值。实际电价在标准电价的基础上波动,波动速率为S,S受电价波动范围W和次日负荷预测曲线影响。
步骤3:电价波动范围W,一般都指一定行政范围内,行政部门制定的某种用电的电价最大波动范围。
步骤4:电价波动方面,为保证这个电价可以实际应用,依照每0.01元为一个阶梯,对电价进行阶梯化调整。电价调整时间t,主要跟随次日负荷预测曲线数据点间隔t来决定。
步骤5:将用户用电负荷分为可调负荷与不可调负荷。
步骤6:可调负荷前,接入自动编辑用电装置,并且与区域电网定价中心实时连接,实时接受下达的电网定价。
步骤7:以满足设备正常运行要求为前提,对单个可调负荷进行独立建模。
步骤8:以单个可调负荷日电费最小为目标,确定目标函数,利用遗传算法对其进行求解,得出可调节负荷次日的调节控制策略。
步骤9:自动调节装置次日调节控制策略,实际执行该负荷次日运行方式。
步骤10:通过区域电网范围内所有用户进行自动电价调节控制,宏观方面使得省级电网日负荷曲线峰谷差逐渐变小。
步骤11:电价波动范围W和波动速率S的幂次关系利用数据作不断的训练调整。
不再使用一般阶梯电价,根据日前负荷预测曲线,对电价进行调整。次日均负荷值作为标准负荷值P0,计算公式如下:
其中,次日均负荷值为P0,日负荷曲线为PL(t)。
将用户用电负荷进行分类。将其分为不可调用电负荷Sr1,t和可调节用电负荷Sr2(Δt,T)。负荷表达式如下:
St=Sr1,t+Sr2(Δt,T)
其中,Sr1,t不可调用电负荷,Sr2(Δt,T)为可调节负荷。不可调用电负荷即该时段内必须用电量;可调节用电量为在优化目标时可进行调节的用户用电装置所产生的电量。
以满足设备正常运行要求为前提,对单个可调负荷进行独立建模。单个可调节用电负荷建模f(Δt,T)。确定在不同的中断时间Δt和运行时长T下的电费最小模型。
实际电价在标准电价的基础上波动,波动速率为S,S受电价波动范围W和次日负荷预测曲线影响。S与W呈现幂函数关系,将多日负荷数据作为输入,进行训练学习,将幂次关系i作为输出,确定W与S的函数幂次关系,拟合出最为接近的i值。
依照偏离标准负荷P0的大小设定实际电价,实际电价为
At=A0+kn·W
其中,W=Si;
其中,k1<k2<k3;i为时间t内负荷预测值与标准负荷值之差;At为t时刻电价;w为基础电价;A0为基础电价;kn为加权系数;ΔPN为负荷基准值,标准化后波动速率s无单位对电价阶梯化。在电价波动小于0.01元时,取其平均值进行定价精确至两位有效数字。电价调整时间t,主要跟随次日负荷预测曲线数据点间隔t来决定。
在满足供电要求的情况下,使得客户电费量最小,并给出电价模型优化函数为:
其中,Pri为用户可调节用电装置产生的电费;At为t时间内的电价;为t时间内可调节负荷;Pz为奖励费用。
关于奖励费用的算式如下:
其中,奖励费用为Pz;μ为优惠比例系数;ΔSm(t)为连续按照规定负荷曲线第m天t时间内的可调节负荷用电量,Qm(t)为连续按照规定负荷曲线第m天t时间内的售电单价。
约束条件有:
第t个小时内要求的最小可调节负荷约束:
0≤Sr2,t≤Sr2,tmax t=1,...,24 (4.2)
Sr2max为该用户第t个小时内最大的可转移负荷容量制定一种电价定价系统,系统主要分为数据采集模块、计算模块、输出模块。
将省级日前负荷数据输入数据采集模块,获得次日用电量总值,每时刻t用电量、负荷用电曲线。
计算模块计算获得次日均负荷值P0、t时刻电费值At、设定好奖励费用。计算目标函数值并得出用电曲线及数据。
输出模块在迭代完成后得出电价,对该用户可调用电设备进行调整,可调负荷前,接入自动编辑用电装置,并且与区域电网定价中心实时连接,实时接受下达的电网定价。调节装置调节各个可调负荷的电流大小而调节可调用电负荷投入功率。
利用省级负荷数据确定区域电价,并利用机器学习对电价进行调整,利用调节装置对每个单用户进行调节,宏观使得省级电网日负荷曲线峰谷差变小。电价波动范围W和波动速率S的幂次关系利用数据作进一步训练调整。
实施例
对上述一种机器学习定电价改善电网运行水平的方法,包括如下步骤:
步骤1:
选择一个较大的电网安全稳定运行区域,目前一般都依照省级电网定为一个区域,对区域电网的日前负荷预测曲线进行分析,采用等面积电量法,获得次日均负荷值P0。
次日均负荷值为P0,日负荷曲线为PL(t)。在此实际数据中P0约为2.18×104KW。
不难理解,电网安全稳定运行区域更具有研究价值,排除特殊的用电情况,使研究具有一般性和广泛性。根据次日均负荷值来确定电价基本值,因此电网日均负荷值为P0数值较为重要。对于省级电网数据的选取,由于样本数据庞大,历史数据对于预测效果有决定性作用,大量的冗余会对有效数据进行干扰,以是否为工作日进行分类还是以每周该日作为数据提取前提。以此进行数据挖掘(例如挖掘温度值以及天气情况),从而提取高相关性数据。时间间隔t就是电价变化时间间隔,其大小和次日负荷曲线数据采集时间间隔有关。
步骤2:
对电价调节策略进行相应规定,依照偏离标准负荷P0的大小设定实际电价,实际电价为:
At=A0+kn·W
其中,W=Si;
其中,k1<k2<k3;i为时间t内负荷预测值与标准负荷值之差;At为t时刻电价;w为基础电价;A0为基础电价;kn为加权系数;ΔPN为负荷基准值,标准化后波动速率s无单位。
实验中,W,k1,k2,k3根据各省情况各自确定。
实际电价在标准电价的基础上波动,波动速率为S,S受电价波动范围W和次日负荷预测曲线影响。S与W呈现幂函数关系,将步骤1中提取的数据进行训练学习,将幂次关系i作为输出,确定W与S的函数幂次关系,拟合出最为接近的i值。
在训练幂次关系方面可利用偏差或方差判断模型的准确度以及稳定性。通过数据挖掘可以提升数据的精度,通过适当的学习训练方法降低数学关系模型的方差。从而提高整体的准确性。
步骤3:
对电价阶梯化。避免电价无意义的过多频繁波动。在电价波动小于0.01元时,取其平均值进行定价精确至两位有效数字。电价调整时间t,主要跟随次日负荷预测曲线数据点间隔t来决定。
步骤4:
将用电设备分为不可调用电负荷和可调用电负荷。不可调用电负荷即该时段内必须用电量;可调节用电负荷为在优化目标时通过调节装置的电流从而调节其启停或运行功率。
就用户而言,用户该日t时刻用电量为St,对该用户用电负荷表示如下:
St=Sr1,t+Sr2(Δt,T)
其中,Sr1,t不可调用电负荷,Sr2(Δt,T)为可调节负荷。
不同模型其影响功率因素不同,最普遍的两个因素是中断时间Δt和运行时长T,反复开关对电气设备寿命的影响很大,在保证电费最小的前提下应保证用电负荷的科学启停。因此对每个可调节用电负荷进行建模。对单个可调节用电负荷分别建模f(Δt,T)。确定在不同的中断时间Δt和运行时长T下的电费最小模型。对单个可调节用电负荷建模f(Δt,T)。
步骤5:
建立目标函数,利用遗传方法,遗传算法框图如图3,初始化数据,初始化参数。对预设约定条件内的电价模型进行优化,获得用电客户在该日内的最优用电方案,使其产生的当日电费值最小。其中所述电价模型优化函数为:
其中,Pri为用户电价;A为时刻t的电价;Sr2,t为可调节负荷;Pz为奖励费用。
步骤6:
其关于奖励费用的算式如下:
其中,奖励费用为Pz;μ为优惠比例系数,连续按计划用电时长不同,其值一般也不同;ΔSm(t)为连续按照规定负荷曲线第m天t时间内的可调节负荷用电量,Qm(t)为连续按照规定负荷曲线第m天t时间内的售电单价。
仅在用户连续按照装置规划的用电负荷安排进行用电一定时间段后才对其实施一定的奖励机制,当出现突发性非计划临时用电时,其连续按计划用点时间从当日起清零重新计时。
步骤7:
约束条件有:
第t个小时内要求的最小可调节负荷约束:
0≤Sr2,t≤Sr2,tmax t=1,...,24 (4.2)
Sr2max为该用户第t个小时内最大的可转移负荷容量
步骤8:判断迭代是否完成,输出解。得出第t小时各可转移负荷单位时间下的功率,从而得出该用户该日所有负荷用电装置负荷曲线。
步骤9:不可调节用电负荷根据自身需要进行用电,而不对其进行人为调节控制。执行装置调节设备根据指令调节用户各用电设备。
执行装置调节设备结构示意图如图6。硬件方面,其应具备处理器以及存储器和网络接口、总线、计时器。存储器用于存储指令,处理器执行存储器中的指令并通过总线下达至各个可调节用电负荷,通过控制器流过负荷的电流大小控制其接入功率达到调节的目的。其选择可以是中央处理器,数字信号处理器等等。先用系统总线且能满足控制要求的均可使用于该装置中,计时器用于计时用户按计划用电时长。
步骤10:利用所设计的装置对该用户可调用电设备进行调整,在满足其用电量的同时对可调用电设备部分进行调整,满足最小电费用电趋势。对各用电装置启停进行控制,调整后用电曲线如图5所示。步骤11:
每个单用户进行都采用此调节机制,宏观方面使得省级电网日负荷曲线峰谷差变小。
实施例1
该系统主要分为三个部分。分别为数据采集模块、计算模块、输出模块,模块流程图如1所示。
将省级日前负荷数据输入数据采集模块,其中有效信息为:次日用电量总值,每时刻用电量、电价调节时间间隔t,用户无突发性非计划用电小时数,确定优惠比例系数μ。
计算模块计算获得日均负荷值P0、t时刻电价At、奖励费用Pz。计算目标函数值并得出用电曲线及数据。如图2所示。
输出模块在迭代完成后形成电价。输出模块连接用户执行装置,装置在可调负荷前,接入自动编辑用电装置,并且与区域电网定价中心实时连接,实时接受下达的电网定价。利用调节装置对用户可调用电负荷进行调整,通过对电流值进行调整,调整设备投入功率,在满足其用电量的同时,使电费最小。调整前后用电对比如图4所示。
1.选择一个较大的电网安全稳定运行区域采用等面积电量法,获得次日均负荷值P0。根据次日均负荷值来确定电价基本值,历史数据对于预测效果有决定性作用,大量的冗余会对有效数据进行干扰,以是否为工作日进行分类还是以每周该日作为数据提取前提。以此进行数据挖掘(例如挖掘温度值以及天气情况),从而提取高相关性数据。时间间隔t就是电价变化时间间隔,其大小和次日负荷曲线数据采集时间间隔有关。本发明数据中P0约为2.18×104KW,数据采集间隔时长t取15min。
2.利用电价定价公式对电价进行计算,W,k1,k2,k3根据各省情况进行确定,本发明根据本省情况得到k1=0.1,k2=0.15,k3=0.2得到电价在0.5-0.85元之间变化浮动。对电价进行阶梯化,在电价波动小于0.01元时,取其平均值进行定价精确至两位有效数字,减少电价的不必要频繁变动。
在电价训练幂次关系方面可利用偏差或方差判断模型的准确度以及稳定性。通过数据挖掘可以提升数据的精度,通过适当的学习训练方法降低数学关系模型的方差。从而提高整体的准确性。
3.在建立电力设备模型方面,影响电力设备最普遍的两个因素是中断时间Δt和运行时长T,反复开关对电气设备寿命的影响很大,在保证电费最小的前提下应保证用电负荷的科学启停。
建立电力设备模型,对应目标函数,获得用电客户在该日内的最优用电方案,在有连续用电时长的情况下对其进行以μ为优惠比例系数按照公式对其进行电费优惠,求出符合约束条件的用电方案并控制用电设备的起停。
如图5所示,该图表明在本申请所提方案下,对用电负荷曲线具有一定的削峰填谷效果。
Claims (7)
1.一种机器学习定电价改善电网运行水平的方法,包括如下步骤:
步骤1:选择一个较大的电网安全稳定运行区域,依照省级电网定为一个区域,对区域电网的日前负荷预测曲线进行分析,采用等面积电量法,获得次日均负荷值P0:
次日均负荷值为P0,日负荷曲线为PL(t);
步骤2:将次日均负荷值作为标准负荷值P0,P0对应标准电价A0,标准电价A0是电价波动范围W的最小值,实际电价在标准电价的基础上波动,波动速率为S,依照偏离标准负荷P0的大小设定实际电价,实际电价为:
At=A0+kn·W
其中,W=Si;
其中,k1<k2<k3;i为时间t内负荷预测值与标准负荷值之差;At为t时刻电价;w为基础电价;A0为基础电价;kn为加权系数;ΔPN为负荷基准值,标准化后波动速率s无单位;
步骤3:对电价阶梯化,依照每0.01元为一个阶梯,电价调整时间t跟随次日负荷预测曲线数据点间隔t决定;
步骤4:将用户用电负荷分为可调负荷与不可调负荷,用户该日t时刻用电量为St,对该用户用电负荷表示如下:
St=Sr1,t+Sr2(Δt,T)
其中,Sr1,t不可调用电负荷,Sr2(Δt,T)为可调节负荷;
步骤5:可调负荷前,接入自动编辑用电装置,并且与区域电网定价中心实时连接,实时接受下达的电网定价,以满足设备正常运行要求为前提,对单个可调负荷进行独立建模;
步骤6:以单个可调负荷日电费最小为目标,确定目标函数,利用遗传算法对其进行求解,得出可调节负荷次日的调节控制策略,电价模型优化函数为:
其中,Pri为用户电价;A为时刻t的电价;Sr2,t为可调节负荷;Pz为奖励费用;奖励费用的算式如下:
其中,奖励费用为Pz;μ为优惠比例系数,连续按计划用电时长不同,其值一般也不同;ΔSm(t)为连续按照规定负荷曲线第m天t时间内的可调节负荷用电量,Qm(t)为连续按照规定负荷曲线第m天t时间内的售电单价;
步骤7:
约束条件:第t个小时内要求的最小可调节负荷约束:
0≤Sr2,t≤Sr2,tmax t=1,...,24
Sr2max为该用户第t个小时内最大的可转移负荷容量;
步骤8:判断迭代是否完成,输出解,得出第t小时各可转移负荷单位时间下的功率,从而得出该用户该日所有负荷用电装置负荷曲线;
步骤9:不可调节用电负荷根据自身需要进行用电,执行装置调节设备根据指令调节用户各用电设备;
步骤10:对用户可调用电设备进行调整,在满足其用电量的同时对可调用电设备部分进行调整,满足最小电费用电趋势,对各用电装置启停进行控制。
2.根据权利要求1所述的一种机器学习定电价改善电网运行水平的方法,其特征在于:所述步骤1还包括对提取的数据进行训练学习,将幂次关系i作为输出,确定W与S的函数幂次关系,拟合出最为接近的i值。
3.根据权利要求2所述的一种机器学习定电价改善电网运行水平的方法,其特征在于:所述幂次关系的训练利用偏差或方差判断模型。
4.根据权利要求1所述的一种机器学习定电价改善电网运行水平的方法,其特征在于:所述步骤3中依照每0.01元为一个阶梯,具体为在电价波动小于0.01元时,取其平均值进行定价精确至两位有效数字。
5.根据权利要求1所述的一种机器学习定电价改善电网运行水平的方法,其特征在于:所述步骤4中不可调用电负荷为该时段内必须用电量;可调节用电负荷为在优化目标时通过调节装置的电流从而调节其启停或运行功率。
6.根据权利要求1所述的一种机器学习定电价改善电网运行水平的方法,其特征在于:所述步骤4还包括对每个可调节用电负荷进行建模,对单个可调节用电负荷分别建模f(Δt,T)。
7.根据权利要求1所述的一种机器学习定电价改善电网运行水平的方法,其特征在于:所述方法采用电价定价系统实施,所述系统包括数据采集模块、计算模块、输出模块;
将省级日前负荷数据输入数据采集模块,获得次日用电量总值,每时刻t用电量、负荷用电曲线;
计算模块计算获得次日均负荷值P0、t时刻电费值At、设定好奖励费用,计算目标函数值并得出用电曲线及数据;
输出模块在迭代完成后得出电价,对该用户可调用电设备进行调整,可调负荷前,接入自动编辑用电装置,并且与区域电网定价中心实时连接,实时接受下达的电网定价,调节装置调节各个可调负荷的电流大小而调节可调用电负荷投入功率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011018726.XA CN112329980A (zh) | 2020-09-24 | 2020-09-24 | 一种机器学习定电价改善电网运行水平的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011018726.XA CN112329980A (zh) | 2020-09-24 | 2020-09-24 | 一种机器学习定电价改善电网运行水平的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112329980A true CN112329980A (zh) | 2021-02-05 |
Family
ID=74303540
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011018726.XA Pending CN112329980A (zh) | 2020-09-24 | 2020-09-24 | 一种机器学习定电价改善电网运行水平的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112329980A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114881317A (zh) * | 2022-04-24 | 2022-08-09 | 国网江西省电力有限公司供电服务管理中心 | 供电费用的预测方法、装置、存储介质及计算机设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110029461A1 (en) * | 2009-07-31 | 2011-02-03 | Invensys Systems Inc. | Dynamic Electrical Power Pricing Communication Architecture |
CN104766226A (zh) * | 2015-04-14 | 2015-07-08 | 国家电网公司 | 一种基于分时电价策略的电网安全稳定计算方法 |
CN106355287A (zh) * | 2016-09-13 | 2017-01-25 | 国网福建省电力有限公司 | 一种基于负荷可调节度年综合峰谷电价的提取方法 |
CN109242193A (zh) * | 2018-09-21 | 2019-01-18 | 华南理工大学 | 一种基于强化学习的动态需求响应定价方法 |
KR20190132193A (ko) * | 2018-05-18 | 2019-11-27 | 한양대학교 에리카산학협력단 | 스마트 그리드에서 동적 가격 책정 수요반응 방법 및 시스템 |
CN111340556A (zh) * | 2020-02-29 | 2020-06-26 | 贵州电网有限责任公司 | 一种考虑柔性负荷的电网峰谷分时电价的制定方法 |
-
2020
- 2020-09-24 CN CN202011018726.XA patent/CN112329980A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110029461A1 (en) * | 2009-07-31 | 2011-02-03 | Invensys Systems Inc. | Dynamic Electrical Power Pricing Communication Architecture |
CN104766226A (zh) * | 2015-04-14 | 2015-07-08 | 国家电网公司 | 一种基于分时电价策略的电网安全稳定计算方法 |
CN106355287A (zh) * | 2016-09-13 | 2017-01-25 | 国网福建省电力有限公司 | 一种基于负荷可调节度年综合峰谷电价的提取方法 |
KR20190132193A (ko) * | 2018-05-18 | 2019-11-27 | 한양대학교 에리카산학협력단 | 스마트 그리드에서 동적 가격 책정 수요반응 방법 및 시스템 |
CN109242193A (zh) * | 2018-09-21 | 2019-01-18 | 华南理工大学 | 一种基于强化学习的动态需求响应定价方法 |
CN111340556A (zh) * | 2020-02-29 | 2020-06-26 | 贵州电网有限责任公司 | 一种考虑柔性负荷的电网峰谷分时电价的制定方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114881317A (zh) * | 2022-04-24 | 2022-08-09 | 国网江西省电力有限公司供电服务管理中心 | 供电费用的预测方法、装置、存储介质及计算机设备 |
CN114881317B (zh) * | 2022-04-24 | 2023-07-25 | 国网江西省电力有限公司供电服务管理中心 | 供电费用的预测方法、装置、存储介质及计算机设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11714441B2 (en) | Method and apparatus for delivering power using external data | |
US10673242B2 (en) | Demand charge and response management using energy storage | |
Thingvad et al. | Economic value of electric vehicle reserve provision in the Nordic countries under driving requirements and charger losses | |
US10693294B2 (en) | System for optimizing the charging of electric vehicles using networked distributed energy storage systems | |
CN110414804B (zh) | 一种基于多维度响应特性的价格型需求响应建模方法 | |
CN106651473A (zh) | 考虑日前小时电价和多种需求响应促进风电接纳水平方法 | |
CN110198042B (zh) | 一种电网储能的动态优化方法及存储介质 | |
CN108092322B (zh) | 一种基于调频市场环境的agc控制方法 | |
CN112700066A (zh) | 一种电-热综合能源系统调度最佳时间尺度配合方法 | |
CN116823332B (zh) | 一种计及分布式资源的虚拟电厂运营收益的量化分析系统 | |
CN112329980A (zh) | 一种机器学习定电价改善电网运行水平的方法 | |
CN115811135A (zh) | 一种基于电网调峰调频的充换电设备智能监测调控系统 | |
CN111917113A (zh) | 一种电网负载余量计算系统和方法及充电桩接入配电方法 | |
CN110866647A (zh) | 用户侧储能控制方法、装置、设备及存储介质 | |
JP2020039222A (ja) | 電力需給制御装置、電力需給制御システムおよび電力需給制御方法 | |
CN117578473A (zh) | 基于负荷控制成本的虚拟电厂资源优化调度方法及系统 | |
CN109167350B (zh) | 一种工业负荷响应模型的构建方法 | |
CN111582599A (zh) | 一种基于虚拟电厂调峰的储能设备日内有功调度方法 | |
JP2018085825A (ja) | 電力供給制御装置、電力供給制御プログラム、電力料金設定システム | |
CN114204599B (zh) | 一种抑制配电网电压波动的分布式储能布点运行控制方法 | |
CN115579915A (zh) | 用于新能源消纳的储能控制方法及系统 | |
CN116054214A (zh) | 一种基于智能调控的户用光伏储能系统 | |
CN113471966A (zh) | 一种计及中断优先级的大工业负荷柔性调控方法 | |
CN114374203B (zh) | 一种基于电价引导及意愿的源荷储调度决策系统及方法 | |
CN114819562B (zh) | 一种日前调度计划的校正方法及装置 |
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 |