一種基于非需求響應因素的基線預測和優(yōu)化方法
【技術領域】
[0001] 本發(fā)明涉及一種需求響應中基線預測和優(yōu)化問題,屬于電力系統(tǒng)及其自動化技術 領域。
【背景技術】
[0002] 新世紀以來,電力需求迅猛增長,盡管電力建設高速發(fā)展,但是由于負荷需求的飛 速增長,能源危機和供需矛盾日益嚴峻,我國大部分地區(qū)出現(xiàn)區(qū)域性、季節(jié)性、時段性、結構 性的缺電和峰谷差擴大現(xiàn)象并將長期存在。需求響應作為調節(jié)電力供需平衡的重要手段, 采取有效的激勵和引導措施以及適宜的運作方式,提高終端用電效率和改變用電方式,可 有效保持供用電平衡,保障電網的穩(wěn)定運行。
[0003] 但是在具體的實踐中,對于需求響應的基線預測一直是存在的一大難題,傳統(tǒng)的 基線預測方法基于用戶負荷這一單一電能數(shù)據,未考慮天氣因素、生產信息、經濟發(fā)展情況 等其他因素,因而預測結果存在較大誤差,極大地制約了需求響應技術的應用和需求響應 項目的開展。
【發(fā)明內容】
[0004] 為解決現(xiàn)有技術的不足,本發(fā)明的目的在于提供一種需求響應下準確預測基線的 計算方法,將非需求響應因素對負荷的影響納入到基線負荷的計算中,充分發(fā)揮了其運用 效率。
[0005] 為了實現(xiàn)上述目標,本發(fā)明采用如下的技術方案:
[0006] -種基于非需求響應因素的基線預測和優(yōu)化方法,其特征是,包括如下步驟:
[0007] 1)確定所需要用的備選非需求響應因素;
[0008] 2)采用灰色關聯(lián)分析法計算各備選非需求響應因素與負荷的關聯(lián)度,根據結果選 擇所需要用的非需求響應因素;
[0009] 3)根據步驟2)得到的非需求響應因素和備選相似日構建特征量矩陣;根據需求 響應日構建特征量矩陣;
[0010] 4)計算關聯(lián)度并確定相似日;
[0011] 5)根據步驟4)中的結果分別采用相似日加權法、多元線性回歸法和RBF神經網絡 法對基線進行計算;
[0012] 6)對步驟5)的結果采用組合計算模型進行計算,得到最終的基線預測值。
[0013] 前述的一種基于非需求響應因素的基線預測和優(yōu)化方法,其特征是,所述步驟1) 中,備選非需求響應因素的選取遵循以下原則:1)歷史數(shù)據可獲??;2)數(shù)據可量化;3)樣 本數(shù)量足夠。
[0014] 前述的一種基于非需求響應因素的基線預測和優(yōu)化方法,其特征是,所述步驟2) 包括如下步驟:
[0015] 21)對于m個備選非需求響應因素,選取相同時間間隔的特征量,形成比較序列:
[0016] Xi= {x i (I),Xi ⑵,Xi (3),......,x"P)} ⑴
[0017] 式中,Xi (p)為第i個備選非需求響應因素的第p個特征量,i = 1,2,......,m ;p為 所取特征量數(shù)量;
[0018] 22)獲取歷史負荷數(shù)據的特征量序列,記為參考序列y :
[0019] y = {y(l),y(2),y(3),……,y (p)} (2)
[0020] 式中,y (p)為歷史負荷數(shù)據的第p個特征量;
[0021] 23)計算關聯(lián)系數(shù):
[0023] 式中,I1Qi)為參考序列y與比較序列X1在第h個特征量上的關聯(lián)系數(shù),h = 1,2,......P,P為分辨系數(shù);
[0024] 24)計算y和比較序列\(zhòng)的關聯(lián)度:
[0026] 式中,γ y和比較序列X ^勺關聯(lián)度,其值表征了第i個備選非需求響應因素與 用電負荷的相關性,i = 1,2,......,m ;
[0027] 25)選擇與y的關聯(lián)度γ P 0. 9的比較序列所對應的備選非需求響應因素作為 本方法中需要考慮的非需求響應因素。
[0028] 前述的一種基于非需求響應因素的基線預測和優(yōu)化方法,其特征是,所述步驟23) 中 P = 0· 5。
[0029] 前述的一種基于非需求響應因素的基線預測和優(yōu)化方法,其特征是,所述步驟3) 中,
[0030] 對于m個備選相似日,每個相似日有s個非需求響應因素,選取相同時間間隔的特 征量形成比較序列,特征量的數(shù)量為P個,構成m個SXp的特征量矩陣:
[0032] 其中,A1表示第i個備選相似日的特征量矩陣,X U(P)表征第i個備選相似日中 第j個非需求響應因素的第P個特征量;
[0033] 對于需求響應日,采用上述同樣的方法建立特征量矩陣A,
[0034] CN 105117803 A 說明書 3/10 頁
[0035] 其中,X](p)表示第j個非需求響應因素選取的第p個特征量。
[0036] 前述的一種基于非需求響應因素的基線預測和優(yōu)化方法,其特征是,所述步驟4) 中包括如下步驟:
[0037] 41)對于m個備選相似日,分別計算特征量矩陣~和A相同行序列的相關度,則m 個備選相似日分別得到s個關聯(lián)度,計為λ I, (I < i < m,I < j < s),其表征第i個備選相 似日的第j個非需求響應因素與待預測需求響應日的對應因素的相關度;計算方法如下:
[0039] 其中,XlijQi)表征第i個備選相似日中第j個非需求響應因素的第h個特征量;X] (h)表征需求響應日的第j個非需求響應因素的第h個特征量;
[0040] 42)計算備選相似日i (1彡i彡m)與需求響應日的加權關聯(lián)度λ i:
[0043] 其中,γ j (1彡j彡s)為步驟25)得到的本方法需要考慮的的第j個非需求響應 因素與負荷的關聯(lián)度;λ、,為第i個備選相似日的第j個非需求響應因素與需求響應日對 應因素的關聯(lián)度;λ i為第i個備選相似日的加權關聯(lián)度;ω ,為第j個非需求響應因素的 加權系數(shù);
[0044] 43)確定相似日:選取λ P 0.9(1彡i彡m)的備選相似日作為相似日。
[0045] 本發(fā)明所達到的有益效果:充分考慮了非需求響應因素對用戶負荷特性和基線預 測的影響,并通過非需求響應因素挖掘、相似日選擇和基線計算等步驟,采用組合計算模型 綜合加權法、多元線性回歸法、RBF神經網絡法等負荷預測方法的優(yōu)點,極大地提高了需求 響應基線預測的準確性。
【附圖說明】
[0046] 圖1為本發(fā)明方法的總流程圖。
【具體實施方式】
[0047] 下面結合附圖對本發(fā)明作進一步描述。以下實施例僅用于更加清楚地說明本發(fā)明 的技術方案,而不能以此來限制本發(fā)明的保護范圍。
[0048] 如圖1所示,本發(fā)明涉及的一種考慮非需求響應因素的基線預測和優(yōu)化方法,包 括以下步驟:
[0049] 步驟1):確定備選非需求響應因素;
[0050] 非需求響應因素指需求響應常用的電價激勵、補償?shù)仁侄沃獾乃锌赡苡绊懾?荷基線的因素。常見的非需求響應因素有氣溫、濕度、生產班制等,而股市、車流量、空氣質 量、風速、重大節(jié)日、突發(fā)事件等眾多因素也可能是影響基線的因素。
[0051] 需要從數(shù)量龐大的數(shù)據中確定可進行關聯(lián)度分析的備選非需求響應因素,確定方 法遵循以下原則:1)歷史數(shù)據可獲取;2)數(shù)據可量化;3)樣本數(shù)量足夠。
[0052] 步驟2):分析各備選因素與負荷的關聯(lián)度,采用灰色關聯(lián)分析法分析各備選非需 求響應因素與歷史負荷的關聯(lián)度。
[0053] 具體包括如下步驟:
[0054] (21)對于m個備選非需求響應因素,選取相同時間間隔的特征量(如96點實際負 荷中,各時間段對應的負荷)形成比較序列:
[0055] Xi= {x i(l), Xi (2), Xi (3),......,Xi(P)I ⑴
[0056] 式中,Xi (p)為第i個備選非需求響應因素的第p個特征量,i = 1, 2,......, m ;p = 96,為每日所取特征量數(shù)量。
[0057] (22)獲取歷史負荷數(shù)據的特征量序列,記為參考序列y :
[0058] y = {y(l), y(2), y(3),......,y(p)}