CN113919411A - 一种面向电力需求响应的用户负荷调节方法 - Google Patents

一种面向电力需求响应的用户负荷调节方法 Download PDF

Info

Publication number
CN113919411A
CN113919411A CN202111009212.2A CN202111009212A CN113919411A CN 113919411 A CN113919411 A CN 113919411A CN 202111009212 A CN202111009212 A CN 202111009212A CN 113919411 A CN113919411 A CN 113919411A
Authority
CN
China
Prior art keywords
load
user
value
baseline
formula
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
CN202111009212.2A
Other languages
English (en)
Inventor
王朝亮
李磊
肖涛
刘炜
李亦龙
宋磊
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 Zhejiang Electric Power Co Ltd
Marketing Service Center of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
State Grid Zhejiang Electric Power Co Ltd
Marketing Service Center of State Grid Zhejiang Electric Power 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 State Grid Zhejiang Electric Power Co Ltd, Marketing Service Center of State Grid Zhejiang Electric Power Co Ltd filed Critical State Grid Zhejiang Electric Power Co Ltd
Priority to CN202111009212.2A priority Critical patent/CN113919411A/zh
Publication of CN113919411A publication Critical patent/CN113919411A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • 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
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Educational Administration (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明属于电力需求响应技术领域，具体涉及一种面向电力需求响应的用户负荷调节方法。针对电力用户实时上报的可调能力与响应时间段内的实际可调能力有较大差异，导致电力用户参与负荷调节后仍然无法完成需求响应指标的不足，本发明采用如下技术方案：一种面向电力需求响应的用户负荷调节方法，包括：S1、采集用户历史负荷数据；S2、根据历史负荷数据预测用户超短期负荷和用户最小运行基线负荷；S3、将得到的超短期负荷数组减去最小运行负荷基线数组，得到可调负荷预测数组；S4、根据可调负荷预测数组在响应时间段内的最小值，进行可调指标的分配。本发明的有益效果是：通过采集历史负荷数据，提升需求响应指标的可实现程度。

Description

一种面向电力需求响应的用户负荷调节方法
技术领域
本发明属于电力需求响应技术领域，具体涉及一种面向电力需求响应的用户负荷调节方法。
背景技术
电力需求响应是指当系统可靠性受威胁时，电力用户接收到电网公司发出的补偿通知后，改变其固有的习惯用电模式，达到减少或者推移某时段的用电负荷而响应电力供应，从而保障电网稳定。通过电力需求响应的实施，能有效降低负荷尖峰时的电网风险指标和机组调峰成本，从而减少或推迟电网和电源的建设投入。
目前在负荷尖峰时，电网公司根据电网安全稳定裕度计算需求响应总体指标，之后根据各个电力用户实时上报的可调能力进行等比分配得到各个电力用户的需求响应指标，并通知电力用户按照各自的需求响应指标在响应时间段内进行负荷调节。
在电力用户负荷快速变动时，电力用户实时上报的可调能力与响应时间段内的实际可调能力有较大差异，导致电力用户参与负荷调节后仍然无法完成需求响应指标，最终无法获得经济补偿；同时，电网公司需求响应总体指标也无法完成，最终电网风险指标无法缓解。
因此，有必要引入电力用户的可调资源调节能力预测方法，预测用户的可调能力，按照需求响应时间段内的各电力用户预测可调能力进行指标分配，提升需求响应指标的可实现程度，最终保障电力用户负荷调节的经济补偿和电网安全稳定裕度的有效提升。
发明内容
本发明针对现有电力需求响应时，电力用户实时上报的可调能力与响应时间段内的实际可调能力有较大差异，导致电力用户参与负荷调节后仍然无法完成需求响应指标的不足，提供一种面向电力需求响应的负荷调节方法，预测用户的可调能力，按照需求响应时间段内的各电力用户预测可调能力进行指标分配，提升需求响应指标的可实现程度。
为实现上述目的，本发明采用如下技术方案：一种面向电力需求响应的用户负荷调节方法，所述用户负荷调节方法包括：
S1、采集用户历史负荷数据；
S2、根据历史负荷数据预测用户超短期负荷和用户最小运行基线负荷；
S3、将得到的超短期负荷数组减去最小运行负荷基线数组，得到可调负荷预测数组；
S4、根据可调负荷预测数组在响应时间段内的最小值，进行可调指标的分配。
本发明的面向电力需求响应的用户负荷调节方法，通过采集历史负荷数据，预测超短期用户用电负荷和最小负荷，预测用户的可调能力，按照需求响应时间段内的各电力用户预测可调能力进行指标分配，提升需求响应指标的可实现程度，最终保障电力用户负荷调节的经济补偿和电网安全稳定裕度的有效提升。
作为改进，步骤S2中，采用三次指数平滑法根据历史负荷数据预测超短期负荷，三次指数平滑法公式组如下：
Figure BDA0003238255870000021
Tj＝β·(Nj-Nj-1)+(1-β)·Tj-1 (2)
Figure BDA0003238255870000022
式中，Nj为层次的预估平滑值，Tj为趋势的预估平滑值，Sj为季节的预估平滑值， j为当前时刻点，Pj-1为前一个时刻点的负荷值，Sj-1为前一个季节的预估平滑值，Nj-1为上一个时刻点的层次的预估平滑值，Tj-1为上一个时刻点的趋势的预估平滑值，α、β、γ分别表示层次、趋势和季节的平滑因子(0<α,β,γ<1)，p为季节周期，Pj-p为上一个季节周期的负荷值，Nj-p为上一个季节的层次的预估平滑值，Sj-p为上一个季节的预估平滑值；
未来q时刻点的负荷预测值Pj+q为：
Pj+q＝(Tj+Nj·q)·Sj-p+q (4)
式中，Pj+q为未来q时刻点的预测值，q为预测时刻的点数，p为季节周期，Sj-p+q为上一个季节周期后的q时刻点的预估平滑值。
作为改进，步骤S2中，建立最小运行负荷基线模型，最小运行负荷基线模型包括对应稳定型、趋势型或波动型的三个公式，先判断用户用电属于稳定型或非稳定型，再判断属于非稳定型中的趋势型或波动型，然后根据最小运行负荷基线模型预测用户最小运行基线负荷。
作为改进，步骤S2中，判断用户是否属于稳定型通过以下方式实现：
建立公式
Figure BDA0003238255870000031
式中，t为采样负荷平均值与总平均负荷的离差统计量，
Figure BDA0003238255870000032
为采样负荷平均值，μ为总平均负荷，σx为采样负荷标准差，n为采样点个数；
多次计算t值，将当前t值与之前得到的t值进行比较，检查显著性水平，如果显著性水平没有差异的次数大于10，就认为是稳定型用户，否则为非稳定型用户。
作为改进，判断用户属于非稳定型的趋势型或波动型通过以下方式实现：
建立公式
Figure BDA0003238255870000033
Figure BDA0003238255870000034
Figure BDA0003238255870000035
式(6)中，E(r)为游程期望值统计量，n+、n-分别为高于序列平均值的样本数和低于序列平均值的样本数，n为采样点个数；
式(7)中，D(r)为游程标准差统计量；
式(8)中，Z为用电趋势统计量，近似服从N(0,1)分布，若|Z|小于临界值，则认为用户用电属于趋势型，若|Z|大于临界值，则认为用户用电属于波动型。
作为改进，稳定型用户最小运行基线负荷的计算公式为：
Figure BDA0003238255870000036
式中，
Figure BDA0003238255870000037
为待预测的稳定型用户最小运行基线负荷，i、j分别为事件日的日期与时刻，N为考虑的历史负荷的总天数，n′为事件日向前推的天数，
Figure BDA0003238255870000038
为事件日前n′天j时刻的实际负荷，k为事件日负荷曲线所述的聚类类别，CTk,j为第k类聚类中心j 时刻的负荷。
作为改进，趋势型用户最小运行基线负荷的计算公式为：
Figure BDA0003238255870000041
式中，
Figure BDA0003238255870000042
为待预测的趋势型用户最小运行基线负荷，aj、bj为平滑系数，
Figure BDA0003238255870000043
分别为第j期一次指数平滑值和第j期二次指数平滑值，λ为加权系数(λ∈(0.05～0.2))。
作为改进，波动型用户最小运行基线负荷的计算公式为：
Figure BDA0003238255870000044
式中，
Figure BDA0003238255870000045
为待预测的波动型用户最小运行基线负荷，I为考虑的历史负荷的总天数。
Figure BDA0003238255870000046
为事件日前I天这一时刻的负荷。
作为改进，步骤S3中，将超短期负荷预测数组减去最小运行负荷基线数组，获得可调负荷预测值数组，各时段调节预测值计算公式为：
Figure BDA0003238255870000047
式中，
Figure BDA0003238255870000048
为各时段削峰的调节预测值，
Figure BDA0003238255870000049
为各时段负荷预测值，Pi,j+q为各时段最小运行负荷；
步骤S4中，将可调负荷预测值数组定期上传到电网公司，电网公司根据可调负荷预测数组在响应时间段内的最小值，进行可调指标的等比分配，分配公式如下：
Figure BDA00032382558700000410
式中，Aj+q为各时段可调指标分配比例，
Figure BDA00032382558700000411
为各时段实际负荷需求。
本发明的另一种面向电力需求响应的用户负荷调节方法，所述用户负荷调节方法包括：
S1、采集用户历史负荷数据；
S2、根据历史负荷数据预测用户超短期负荷和用户最大运行基线负荷，或者，根据历史负荷数据预测用户超短期负荷、用户最小运行基线负荷和用户最大运行基线负荷；
S3、将得到的最大运行负荷基线数组减去超短期负荷数组，得到可调负荷预测数组；
S4、根据可调负荷预测数组在响应时间段内的最小值，进行可调指标的分配。
本发明的前一种用户负荷调节方法，用于用电高峰时减少用电负荷。本发明的另一种用户负荷调节方法，用于用电低谷时增加用电负荷，或者，用于用电高峰和用电低谷时调节用电负荷。
本发明的另一种用电负荷调节方法，其具体实施，可以参考前一种用户负荷调节方法。
本发明的面向电力需求响应的用户负荷调节方法的有益效果是：通过采集历史负荷数据，预测超短期用户用电负荷和最小负荷，预测用户的可调能力，按照需求响应时间段内的各电力用户预测可调能力进行指标分配，提升需求响应指标的可实现程度，最终保障电力用户负荷调节的经济补偿和电网安全稳定裕度的有效提升。
附图说明
图1是本发明实施例一的面向电力需求响应的用户负荷调节方法的流程图。
图2是本发明实施例二的面向电力需求响应的用户负荷调节方法的流程图。
图3是本发明实施例三的面向电力需求响应的用户负荷调节方法的流程图。
具体实施方式
下面结合本发明创造实施例的附图，对本发明创造实施例的技术方案进行解释和说明，但下述实施例仅为本发明创造的优选实施例，并非全部。基于实施方式中的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的其他实施例，都属于本发明创造的保护范围。
实施例一
参见图1，本发明实施例一的一种面向电力需求响应的用户负荷调节方法，所述用户负荷调节方法包括：
S1、采集用户历史负荷数据；
S2、根据历史负荷数据预测用户超短期负荷和用户最小运行基线负荷；
S3、将得到的超短期负荷数组减去最小运行负荷基线数组，得到可调负荷预测数组；
S4、根据可调负荷预测数组在响应时间段内的最小值，进行可调指标的分配。
本发明的面向电力需求响应的用户负荷调节方法，通过采集历史负荷数据，预测超短期用户用电负荷和最小负荷，预测用户的可调能力，按照需求响应时间段内的各电力用户预测可调能力进行指标分配，提升需求响应指标的可实现程度，最终保障电力用户负荷调节的经济补偿和电网安全稳定裕度的有效提升。
本实施例中，步骤S1中，实时负荷或者当前负荷表示为Pj。采集的历史负荷数据表示为：P＝{Pj-1,Pj-2,Pj-3，...,Pj-n}，(n≤j-1)。其中，j为当前时刻。
本实施例中，步骤S2中，采用三次指数平滑法根据历史负荷数据预测超短期负荷，三次指数平滑法公式组如下：
Figure BDA0003238255870000061
Tj＝β·(Nj-Nj-1)+(1-β)·Tj-1 (2)
Figure BDA0003238255870000062
式中，Nj为层次的预估平滑值，Tj为趋势的预估平滑值，Sj为季节的预估平滑值， j为当前时刻点，Pj-1为前一个时刻点的负荷值，Sj-1为前一个季节的预估平滑值，Nj-1为上一个时刻点的层次的预估平滑值，Tj-1为上一个时刻点的趋势的预估平滑值，α、β、γ分别表示层次、趋势和季节的平滑因子(0<α,β,γ<1)，p为季节周期，Pj-p为上一个季节周期的负荷值，Nj-p为上一个季节的层次的预估平滑值，Sj-p为上一个季节的预估平滑值；
未来q时刻点的负荷预测值Pj+q为：
Pj+q＝(Tj+Nj·q)·Sj-p+q (4)
式中，Pj+q为未来q时刻点的预测值，q为预测时刻的点数，p为季节周期，Sj-p+q为上一个季节周期后的q时刻点的预估平滑值。
本实施例中，步骤S2中，建立最小运行负荷基线模型，最小运行负荷基线模型包括对应稳定型、趋势型或波动型的三个公式，先判断用户用电属于稳定型或非稳定型，再判断属于非稳定型中的趋势型或波动型，然后根据最小运行负荷基线模型预测用户最小运行基线负荷。
本实施例中，步骤S2中，判断用户是否属于稳定型通过以下方式实现：
建立公式
Figure BDA0003238255870000063
式中，t为采样负荷平均值与总平均负荷的离差统计量，
Figure BDA0003238255870000064
为采样负荷平均值，μ为总平均负荷，σx为采样负荷标准差，n为采样点个数；
多次计算t值，将当前t值与之前得到的t值进行比较，检查显著性水平，如果显著性水平没有差异的次数大于10，就认为是稳定型用户，否则为非稳定型用户。
本实施例中，判断用户属于非稳定型的趋势型或波动型通过以下方式实现：
建立公式
Figure BDA0003238255870000071
Figure BDA0003238255870000072
Figure BDA0003238255870000073
式(6)中，E(r)为游程期望值统计量，n+、n-分别为高于序列平均值的样本数和低于序列平均值的样本数，n为采样点个数；
式(7)中，D(r)为游程标准差统计量；
式(8)中，Z为用电趋势统计量，近似服从N(0,1)分布；
若|Z|小于临界值，则认为用户用电属于趋势型，若|Z|大于临界值，则认为用户用电属于波动型。
本实施例中，稳定型用户最小运行基线负荷的计算公式为：
Figure BDA0003238255870000074
式中，
Figure BDA0003238255870000075
为待预测的稳定型用户最小运行基线负荷，i、j分别为事件日的日期与时刻，N为考虑的历史负荷的总天数，n′为事件日向前推的天数，
Figure BDA0003238255870000076
为事件日前n′天j时刻的实际负荷，k为事件日负荷曲线所述的聚类类别，CTk,j为第k类聚类中心j 时刻的负荷。
本实施例中，趋势型用户最小运行基线负荷的计算公式为：
Figure BDA0003238255870000081
式中，
Figure BDA0003238255870000082
为待预测的趋势型用户最小运行基线负荷，aj、bj为平滑系数，
Figure BDA0003238255870000083
分别为第j期一次指数平滑值和第j期二次指数平滑值，λ为加权系数(λ∈(0.05～0.2))。
本实施例中，波动型用户最小运行基线负荷的计算公式为：
Figure BDA0003238255870000084
式中，
Figure BDA0003238255870000085
为待预测的波动型用户最小运行基线负荷，I为考虑的历史负荷的总天数。
Figure BDA0003238255870000086
为事件日前I天这一时刻的负荷。
本实施例中，步骤S3中，将超短期负荷预测数组减去最小运行负荷基线数组，获得可调负荷预测值数组，各时段调节预测值计算公式为：
Figure BDA0003238255870000087
式中，
Figure BDA0003238255870000088
为各时段削峰的调节预测值，
Figure BDA0003238255870000089
为各时段负荷预测值，Pi,j+q为各时段最小运行负荷；
步骤S4中，将可调负荷预测值数组定期上传到电网公司，电网公司根据可调负荷预测数组在响应时间段内的最小值，进行可调指标的等比分配，分配公式如下：
Figure BDA00032382558700000810
式中，Aj+q为各时段可调指标分配比例，
Figure BDA00032382558700000811
为各时段实际负荷需求。
本实施例的用户负荷调节方法，用于用电高峰时减少用电负荷。
本发明实施例一的面向电力需求响应的用户负荷调节方法的有益效果是：通过采集历史负荷数据，预测超短期用户用电负荷和最小负荷，预测用户的可调能力，按照需求响应时间段内的各电力用户预测可调能力进行指标分配，提升需求响应指标的可实现程度，最终保障电力用户负荷调节的经济补偿和电网安全稳定裕度的有效提升。
实施例二
参见图2，本发明的另一种面向电力需求响应的用户负荷调节方法，所述用户负荷调节方法包括：
S1、采集用户历史负荷数据；
S2、根据历史负荷数据预测用户超短期负荷和用户最大运行基线负荷；
S3、将得到的最大运行负荷基线数组减去超短期负荷数组，得到可调负荷预测数组；
S4、根据可调负荷预测数组在响应时间段内的最小值，进行可调指标的分配。
实施例二与实施例一的区别在于：实施例一预测用户最小运行基线负荷，实施例二预测用户最大运行基线负荷；实施例一用于用电高峰期减少用电负荷，实施例二用户用电低谷期增加用电负荷。
本实施例中，最大运行基线负荷的预测可以参照实施例一中最小运行基线负荷的预测。
本实施例中，各时段填谷的调节预测值＝最大运行基线负荷-超短期负荷。
通过增加用电低谷期的用电负荷，对于电网的稳定运行，也有一定意义。
实施例二的其它结构和效果与实施例一的不同。
实施例三
参见图3，实施例三中，同时预测超短期负荷、最小运行基线负荷和最大运行基线负荷，从而可以对高峰期和低谷期的用户负荷均进行调节。
以上所述，仅为本发明创造的具体实施方式，但本发明创造的保护范围并不局限于此，熟悉该本领域的技术人员应该明白本发明创造包括但不限于上面具体实施方式中描述的内容。任何不偏离本发明创造的功能和结构原理的修改都将包括在权利要求书的范围中。

Claims (10)

1.一种面向电力需求响应的用户负荷调节方法，其特征在于：所述用户负荷调节方法包括：
S1、采集用户历史负荷数据；
S2、根据历史负荷数据预测用户超短期负荷和用户最小运行基线负荷；
S3、将得到的超短期负荷数组减去最小运行负荷基线数组，得到可调负荷预测数组；
S4、根据可调负荷预测数组在响应时间段内的最小值，进行可调指标的分配。
2.根据权利要求1所述的一种面向电力需求响应的用户负荷调节方法，其特征在于：步骤S2中，采用三次指数平滑预测法根据历史负荷数据预测超短期负荷，三次指数平滑预测法公式组如下：
Figure FDA0003238255860000011
Tj＝β·(Nj-Nj-1)+(1-β)·Tj-1 (2)
Figure FDA0003238255860000012
式中，Nj为层次的预估平滑值，Tj为趋势的预估平滑值，Sj为季节的预估平滑值，j为当前时刻点，Pj-1为前一个时刻点的负荷值，α、β、γ分别表示层次、趋势和季节的平滑因子(0<α,β,γ<1)，p为季节周期，Pj-p为上一个季节周期的负荷值；
未来q时刻点的负荷预测值Pj+q为：
Pj+q＝(Tj+Nj·q)·Sj-p+q (4)
式中，Pj+q为未来q时刻点的预测值，q为预测时刻的点数，p为季节周期，Sj-p+q为上一个季节周期后的q时刻点的预估平滑值。
3.根据权利要求1所述的一种面向电力需求响应的用户负荷调节方法，其特征在于：步骤S2中，建立最小运行负荷基线模型，最小运行负荷基线模型包括对应稳定型、趋势型或波动型的三个公式，先判断用户用电属于稳定型或非稳定型，再判断属于非稳定型中的趋势型或波动型，然后根据最小运行负荷基线模型预测用户最小运行基线负荷。
4.根据权利要求3所述的一种面向电力需求响应的用户负荷调节方法，其特征在于：步骤S2中，判断用户是否属于稳定型通过以下方式实现：
建立公式
Figure FDA0003238255860000021
式中，t为采样负荷平均值与总平均负荷的离差统计量，
Figure FDA0003238255860000022
为采样负荷平均值，μ为总平均负荷，σx为采样负荷标准差，n为采样点个数；
多次计算t值，将当前t值与之前得到的t值进行比较，检查显著性水平，如果显著性水平没有差异的次数大于10，就认为是稳定型用户，否则为非稳定型用户。
5.根据权利要求4所述的一种面向电力需求响应的用户负荷调节方法，其特征在于：判断用户属于非稳定型的趋势型或波动型通过以下方式实现：
建立公式
Figure FDA0003238255860000023
Figure FDA0003238255860000024
Figure FDA0003238255860000025
式(6)中，E(r)为游程期望值统计量，n+、n-分别为高于序列平均值的样本数和低于序列平均值的样本数，n为采样点个数；
式(7)中，D(r)为游程标准差统计量；
式(8)中，Z为用电趋势统计量，近似服从N(0,1)分布，若|Z|小于临界值，则认为用户用电属于趋势型，若|Z|大于临界值，则认为用户用电属于波动型。
6.根据权利要求5所述的一种面向电力需求响应的用户负荷调节方法，其特征在于：稳定型用户最小运行基线负荷的计算公式为：
Figure FDA0003238255860000026
式中，
Figure FDA0003238255860000027
为待预测的稳定型用户最小运行基线负荷，i、j分别为事件日的日期与时刻，N为考虑的历史负荷的总天数，n′为事件日向前推的天数，
Figure FDA0003238255860000028
为事件日前n′天j时刻的实际负荷，k为事件日负荷曲线所述的聚类类别，CTk,j为第k类聚类中心j时刻的负荷。
7.根据权利要求5所述的一种面向电力需求响应的用户负荷调节方法，其特征在于：趋势型用户最小运行基线负荷的计算公式为：
Figure FDA0003238255860000031
式中，
Figure FDA0003238255860000032
为待预测的趋势型用户最小运行基线负荷，aj、bj为平滑系数，
Figure FDA0003238255860000033
分别为第j期一次指数平滑值和第j期二次指数平滑值，λ为加权系数(λ∈(0.05～0.2))。
8.根据权利要求5所述的一种面向电力需求响应的用户负荷调节方法，其特征在于：波动型用户最小运行基线负荷的计算公式为：
Figure FDA0003238255860000034
式中，
Figure FDA0003238255860000035
为待预测的波动型用户最小运行基线负荷，I为考虑的历史负荷的总天数。
Figure FDA0003238255860000036
为事件日前I天这一时刻的负荷。
9.根据权利要求1所述的一种面向电力需求响应的用户负荷调节方法，其特征在于：步骤S3中，将超短期负荷预测数组减去最小运行负荷基线数组，获得可调负荷预测值数组，各时段调节预测值计算公式为：
Figure FDA0003238255860000037
式中，
Figure FDA0003238255860000038
为各时段削峰的调节预测值，
Figure FDA0003238255860000039
为各时段负荷预测值，Pi,j+q为各时段最小运行负荷；
步骤S4中，将可调负荷预测值数组定期上传到电网公司，电网公司根据可调负荷预测数组在响应时间段内的最小值，进行可调指标的等比分配，分配公式如下：
Figure FDA00032382558600000310
式中，Aj+q为各时段可调指标分配比例，
Figure FDA00032382558600000311
为各时段实际负荷需求。
10.一种面向电力需求响应的用户负荷调节方法，其特征在于：所述用户负荷调节方法包括：
S1、采集用户历史负荷数据；
S2、根据历史负荷数据预测用户超短期负荷和用户最大运行基线负荷，或者，根据历史负荷数据预测用户超短期负荷、用户最小运行基线负荷和用户最大运行基线负荷；
S3、将得到的最大运行负荷基线数组减去超短期负荷数组，得到可调负荷预测数组；
S4、根据可调负荷预测数组在响应时间段内的最小值，进行可调指标的分配。
CN202111009212.2A 2021-08-31 2021-08-31 一种面向电力需求响应的用户负荷调节方法 Pending CN113919411A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111009212.2A CN113919411A (zh) 2021-08-31 2021-08-31 一种面向电力需求响应的用户负荷调节方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111009212.2A CN113919411A (zh) 2021-08-31 2021-08-31 一种面向电力需求响应的用户负荷调节方法

Publications (1)

Publication Number Publication Date
CN113919411A true CN113919411A (zh) 2022-01-11

Family

ID=79233649

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111009212.2A Pending CN113919411A (zh) 2021-08-31 2021-08-31 一种面向电力需求响应的用户负荷调节方法

Country Status (1)

Country Link
CN (1) CN113919411A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114925968A (zh) * 2022-04-08 2022-08-19 国网浙江省电力有限公司 一种基于用户冲击负荷特征的需求响应评估方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114925968A (zh) * 2022-04-08 2022-08-19 国网浙江省电力有限公司 一种基于用户冲击负荷特征的需求响应评估方法

Similar Documents

Publication Publication Date Title
CN110137952B (zh) 一种实现源-荷-储协调运行的优化模型与方法
CN114336702B (zh) 基于双层随机规划的风光储场站群功率分配协同优化方法
CN110111214B (zh) 一种基于优先级的用户用能管理方法及系统
CN111446711A (zh) 一种基于需求响应的荷储联合优化运行方法
CN109728579B (zh) 一种配电网运行效率的评估方法、评估装置及评估设备
CN113364055A (zh) 一种源网荷储网络化协调频率控制方法
CN106849061A (zh) 一种用户负荷响应激励积分计算方法和系统
CN110429624A (zh) 一种应用于数据中心储能系统的储能容量配置方法
CN112232559B (zh) 一种电力区域负荷的短期预测方法及装置
CN115564197A (zh) 用户侧灵活性资源响应潜力评估方法、系统、设备和介质
CN113919411A (zh) 一种面向电力需求响应的用户负荷调节方法
CN109742776A (zh) 一种基于排序算法的三相不平衡台区用户调整方法
CN117498416B (zh) 储能电池的放电策略制定方法、装置及电子设备
CN117175605A (zh) 考虑持续响应需求的负荷管理中心需求响应调度方法
CN115021406B (zh) 一种整合经济性模型预测控制的微电网控制器
CN108879699B (zh) 一种电能替代下配电网的配电变压器优化方法
CN111160767A (zh) 一种综合能源服务效益评估方法
CN112564151B (zh) 一种计及隐私意识的多微网云储能优化调度方法及系统
CN111030161B (zh) 一种新能源消纳与电网深度调峰裕度相关性分析方法
CN115173405A (zh) 微网及其控制方法、装置
Kothari A practical model for generator maintenance scheduling with transmission constraints
CN113793022A (zh) 基于分布式云储能的电网投资规划方案生成方法及系统
CN104484711B (zh) 考虑用户不满意度的家用设备调度方法
CN114389256A (zh) 一种多时间尺度滚动协调柔性负荷的调度策略
CN113378481A (zh) 基于多目标进化算法的互联网数据中心需求响应优化方法

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