一种基于用户负荷特性分析的需求侧响应能力评估方法与流程

1.本发明涉及一种基于用户负荷特性分析的需求侧响应能力评估方法，属于配电网需求侧管理领域。


背景技术：

2.随着社会发展与用能大幅度增加，为缓解电网用电高峰时期局部区域存在的供电紧张问题，同时为提高“源-网-荷-储”协调运行能力，协同电力系统提质增效和安全可靠运行，需求侧管理和需求响应被大力提倡。
3.在源网荷储全交互的建设过程中主要遇到以下问题：一是公司签约用户的响应潜力和响应时段主要通过经验预估获得，没有将海量历史数据建立实时数据库并经过严密的算法计算，在实际的源荷互动中，仅仅具有一定的参考意义，更是难以做到动态实时响应。二是电网局部重过载时，峰谷差过大的问题难以缓解，且以往简单的限电方案更是难以得到用户的认同。为缓和电力需求急速增长和设备改造升级周期长两者之间的矛盾，缩减电网投资成本。正确有效地引导电力用户在用电高峰时期削减尖峰负荷迫在眉睫。


技术实现要素：

4.本发明的目的就是为了实现上述目标而提供一种基于用户负荷特性分析的需求侧响应能力评估方法，该方法通过对采集到的用户海量负荷数据进行负荷特性分析，得出各用户在不同时间以及不同气温下的用电行为特征。根据用户历史用电曲线快速批量计算用户需求侧响应能力，并不对用户用电体验产生影响。
5.本发明的目的通过以下技术方案来实现：
6.一种基于用户负荷特性分析的需求侧响应能力评估方法，包括以下步骤：
7.1)数据输入：采集电力用户一年每天24小时间隔15分钟的有功功率及最高气温；
8.2)数据统计：将采集到的日负荷数据按照所属的日期与日最高气温分别进行统计，分为工作日且日最高气温大于等于27度、工作日且日最高气温大于等于15度而小于27度、工作日且日最高气温小于15度、休息日且日最高气温大于等于27度、休息日且日最高气温大于等于15度而小于27度、休息日且日最高气温小于15度6种情况；
9.3)负荷特性分析：使用k-means聚类算法对数据统计模块中统计的电力用户6种情况下的日负荷曲线进行聚类，得到不同类别的典型日负荷曲线，即同一类别下的负荷曲线的形状相近；
10.4)需求侧响应能力计算：先计算每类典型日负荷曲线的日最大负荷p
max
、日最小负荷p
min
、最大响应负荷p
maxr
、最小响应负荷p
minr
、需求侧响应能力值p
drp
，并通过查询次日最高气温以及是否为工作日确定电力用户日负荷曲线所属的聚类类别，输出对应类别下的电力用户次日需求侧响应能力占比fi以及响应时间段t。
11.作为优选技术手段：步骤1)中，采集的数据包括电力用户过去一年内的历史日负荷曲线，一天24小时内每间隔15分钟采集一个点的有功功率以及日最高气温。
12.作为优选技术手段：步骤4)中的最大响应负荷p
maxr
为聚类得到的典型日负荷曲线中日最大负荷与日最小负荷的差值。
13.作为优选技术手段：步骤4)中的最小响应负荷p
minr
为聚类得到的典型日负荷曲线中电力用户工作负荷最小值与日最小负荷的差值。
14.作为优选技术手段：步骤4)中的需求侧响应能力值p
drp
定义为高于日最大负荷80％的高峰时刻用电量的均值与行业需求响应平均降负荷率的乘积；具体求解公式如下：
[0015][0016]
式中：为电力用户i在高峰时刻(用电量高于日最大负荷80％的时刻)t1，t2，
…
，tm对应的负荷值，m为负荷高峰时段的时刻点数；λi为电力用户i的需求响应措施下的平均降负荷率，即实施需求响应时负荷平均削减量占最大负荷的比率，取值为34.8％。
[0017]
作为优选技术手段：步骤4)中需求响应潜力值占比fi为需求响应能力值p
drp
与日最大负荷p
max
的比值。
[0018]
作为优选技术手段：步骤4)中的响应时段t为电力用户进行正常生产作业与工作时的时间段。
[0019]
有效效果：步骤1)中，采集的数据包括电力用户过去一年内的历史日负荷曲线，一天24小时内每间隔15分钟采集一个点的有功功率，可以更精细化的反应每个用户在一天中的用电负荷变化的情况，同时能更精确的计算响应时段t；采集日最高气温可以通过温度的范围将用户的历史日负荷曲线进行分类，用来分析每个用户所用的日负荷量与温度之间的关系。通过步骤4)中的最大响应负荷p
maxr
可以计算得到每一类日负荷曲线通过需求侧响应手段理论上每天最大能响应的负荷量。通过步骤4)中的最小响应负荷p
minr
可以计算得到每一类日负荷曲线通过需求侧响应手段理论上每天最小能响应的负荷量。通过步骤4)中的需求侧响应能力值p
drp
可以计算得到每一类日负荷曲线通过需求侧响应手段，在不影响用户利益以及舒适度的情况下每天能响应的最佳负荷量。步骤4)中需求响应潜力值占比fi可用来直观的反映出每个用户每天响应的最佳负荷量占每天所用最大负荷的比重，能让用户自身来评估每天响应的最佳负荷量的合理性与可接受程度。步骤4)中的响应时段t可以直观准确的反映出每个用户每天理论上可以用来实施需求侧响应的时间段。
[0020]
本发明通过对采集到的电力用户负荷数据进行负荷特性分析，得出各用户在不同时间以及不同气温下的用电行为特征；根据用户历史用电曲线快速批量地计算用户需求侧响应能力，并不对用户用电体验产生影响。实现动态实时响应，有利于缓和电力需求急速增长和设备改造升级周期长两者之间的矛盾，缩减电网投资成本，正确有效地引导电力用户在用电高峰时期削减尖峰负荷。
附图说明
[0021]
图1为实施例中基于电力用户负荷特性分析的需求侧响应能力计算方法流程图；
[0022]
图2为本发明实施例中的负荷聚类结果图；
[0023]
图3为本发明中需求侧响应指标值求取方法图。
具体实施方式
[0024]
下面结合附图和具体实施例对本发明进行详细说明。显然，所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。
[0025]
如图1所示。本发明包括以下几个步骤：
[0026]
步骤1：用户负荷数据输入，即输入采集到的电力用户一年每天24小时间隔15分钟的有功功率及最高气温。
[0027]
本实施例以在电网公司营销用电信息采集系统中选取的某工业用户一年内一天24小时每隔15分钟的有功功率负荷数据，以及每天对应的日期与日最高气温。
[0028]
步骤2：用户负荷数据统计，将采集到的该工业用户日负荷数据按照所属的日期与日最高气温分别统计到不同的表格中，分为工作日且日最高气温大于等于27度、工作日且日最高气温大于等于15度而小于27度、工作日且日最高气温小于15度、休息日且日最高气温大于等于27度、休息日且日最高气温大于等于15度而小于27度、休息日且日最高气温小于15度6种情况。
[0029]
步骤3：负荷特性分析，使用k-means聚类算法对数据统计模块中统计的电力用户6种情况下的日负荷曲线进行聚类。
[0030]
利用k-means聚类算法，将统计的6种情况下的用户负荷数据进行聚类，其具体的聚类结果如图2所示，共得到6种不同用电特性的典型日负荷曲线，分别记为第1、2、3、4、5、6类典型日负荷曲线。其中第1类、第2类、第3类典型日负荷曲线为用户在工作日时而日最高气温处于不同水平下的负荷曲线，从中可以看出该用户为两班制工作类型，响应时段集中在白天的6:30-17:30,中午由于休息导致工作负荷短时间的降低，同时其最高工作日负荷受气温的影响，气温越高响应的工作负荷越大。而从第4类、第五类、第六类典型日负荷曲线中可以看出，在休息日时由于用户不工作，只需要基本的照明负荷，所以无需求侧响应能力。
[0031]
步骤4：计算用户需求侧响应能力并输出用户的响应时段。
[0032]
根据聚类得到的典型日负荷曲线，先定义并计算每类典型日负荷曲线的日最大负荷p
max
、日最小负荷p
min
、最大响应负荷p
maxr
、最小响应负荷p
minr
、需求侧响应能力值p
drp
，并通过查询次日最高气温以及是否为工作日确定电力用户日负荷曲线所属的聚类类别，输出对应类别下的电力用户次日需求侧响应能力占比fi以及响应时间段t。
[0033]
其中日最大负荷p
max
为典型日负荷曲线的负荷最大值；最大响应负荷p
maxr
为典型日负荷曲线中日最大负荷与日最小负荷的差值；最小响应负荷p
minr
为典型日负荷曲线电力用户工作负荷最小值与日最小负荷的差值；需求响应时段t为用户去除只维持日常照明等所需的负荷时间段以外，有设备运行工作时的工作时段，即此时段具有响应潜力；需求响应能力值占比fi为需求响应能力值与日最大负荷的比值；需求响应能力值p
drp
定义为高于日最大负荷80％的高峰时刻用电量的均值与行业需求响应平均降负荷率的乘积，各值的具体含义与计算原理如图3所示，同时需求响应能力值计算公式如下所示。
[0034][0035]
式中：为用户i在高峰时刻(用电量高于日最大负荷80％的时刻)
t1，t2，
…
，tm对应的负荷值，m为高峰时段的时刻个数。λi为用户i的需求响应措施下的平均降负荷率，即实施需求响应时负荷平均削减量占最大负荷的比率，λi的取值为34.8％。
[0036]
通过以上流程与公式，可分别得到用户在6种情况下的日最大负荷、最大响应负荷、最小响应负荷、需求侧响应能力值、需求侧响应能力值占比以及响应时段，具体的计算结果如表1所示。
[0037]
表1用户需求侧响应能力以及响应时段计算值
[0038][0039]
通过表1可知，用户的需求侧响应指标是受气温以及是否为工作日所影响的，当用户在工作日最高气温高于27度以及低于15度时，由于降温负荷和采暖负荷的增加，需求侧响应能力相对较强；而气温处于15度与27度之间时，由于没有降温或者采暖的需求，因此需求侧响应的能力值相对较低。但用户工作具有周期性，即工作日时每天的响应时段基本不变。而在休息日时用户由于不工作，只有少量的照明等负荷导致其在休息日时无响应能力。
[0040]
因此各个用户只需按照以上的流程分别计算其在6种情况下的需求侧响应能力值与响应时段，并通过对未来一天或者几天的日期以及日最高气温进行查询，找出对应情况下的计算结果，即可输出各个用户的需求侧响应能力值与响应时段。能很好地指导电网公司在用电高峰期对用户进行需求侧管理，达到良好的削峰效果。
[0041]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的工作人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。