一种多时间尺度的电力需求侧响应方法与流程

本发明属于智能电网技术，特别涉及了一种多时间尺度的电力需求侧响应方法。

背景技术：

电力需求侧响应(demandresponse,dr)是在电力市场化的基础上，由电力需求侧管理(demandsidemanagement,dsm)发展而来。传统的电力需求侧响应技术主要分为基于价格机制和基于激励机制两大类。基于价格的需求响应是指通过时变电价合理安排用户用电，现阶段主要分为三类：分时电价(timeofusepricing,tou)、实时电价(realtimepricing,rtp)和尖峰电价(criticalpeakpricing,cpp)，分时电价参与电价在一段时间内固定的月前调度；实时电价参与日前调度和对响应时间要求较高的日内调度；尖峰电价一般参与对需求响应时间要就更高的调频调度。基于激励的需求响应是指通过合约或奖惩措施保证用户及时有效响应指令，现主要包括直接负荷控制(directloadcontrol,dlc)、可中断负荷(interruptibleload,il)、需求侧竞价(demandsidebidding,dsb)、紧急需求响应(emergencydemandresponse,edr)、容量/辅助服务计划(capacity/ancillaryserviceprogram,casp)这几类，根据电网运行要求分别参与日前调度、日内调度、调频调度和系统旋转备用安排等。

智能电网环境下，智能小区/楼宇建设有了新的内涵与发展方向，其研究主要集中在智能配电网技术、分布式电源自愈供电、基于实时电价的智能用电系统研究等方面。针对分布式电源发展，国外学者提出了家庭能量管理系统及相关方法，不仅可用于单一用户用电智能化，同时可服务多用户智能用电的全局优化。2010年上海世博园智能电网示范工程中，国家电网企业馆开发并展示了智能楼宇用电用能管理系统，介绍了楼宇管理系统的系统架构，阐述了楼宇用电智能化的系统设计及实现方式，通过双向互动技术实现楼宇的综合控制及节能化建设，并展示了楼宇节能减排的效果。

随着新能源发电技术的发展，传统电力系统逐渐向新能源电力系统方向转变，新能源电力系统具有双侧随机性、不可控性、整体性以及智能性的特征，因此新能源电力背景下的需求侧响应技术及其保障机制的研究也成为研究方向之一。基于新型电力系统的新能源并网技术研究包括：①风电场、光伏电站集群有功控制；②大规模新能源基地无功电压控制；③计及大规模新能源的在线安全稳定预警与控制决策；④新能源与常规电源的协调控制；⑤新能源与储能的协调控制。有关分布式电源消纳技术的研究，国内目前主要集中在大规模风电与柔性负荷协调控制分配、提高分布式发电出力预测精度等方面，对考虑分时电价和用户意愿，利用以用户成本最低和电网调峰为目标的需求侧响应策略，实现分布式电源消纳的研究较少。分布式电源发电技术日渐成熟，户用光伏电源作为可在电力系统末端直接为负荷供电的设备，其直接并网将会给电网带来双向潮流、高次谐波和电力系统波动等问题。

技术实现要素：

为了解决上述背景技术提出的技术问题，本发明旨在提供一种多时间尺度的电力需求侧响应方法，结合多种参数，实现电网的调峰需求和光伏电源的消纳。

为了实现上述技术目的，本发明的技术方案为：

一种多时间尺度的电力需求侧响应方法，包括以下步骤：

(1)通过高级量测和智能算法对参数进行检测与分析，所述参数包括负荷群用电关联度、分时电价以及光伏发电出力；

(2)根据步骤(1)检测到的参数，在多时间尺度上，针对智能家电和电动汽车负荷在内的负荷群，建立预防控制策略和紧急控制策略；

(3)所述光伏发电出力分为实时测量数据和日前预测数据，针对两种数据，分别建立实时需求响应措施和日前用电负荷调度措施，实现光伏发电功率的就地消纳。

进一步地，在步骤(1)中，采用模糊c均值聚类算法求得负荷群用电关联度，具体过程如下：

(a)建立对各用电负荷的用电状态进行评价的指标xk，k＝1,2,…,n，n为用电负荷的个数；

(b)计算或更新隶属度矩阵u＝[uik]c×n，矩阵u为c行n列矩阵，c为聚类的类别数，uik为矩阵u的第i行第k列的元素：

对于如果dik＞0，则有：

如果使dik＝0，则有uik＝1；

其中，dik表示指标xk到第i类聚类中心vi的距离，m为设定的模糊加权指数；

(c)更新聚类中心矩阵v，矩阵v由c类聚类中心组成：

(d)计算目标函数j(u,v)，如果j(u,v)<ε，则输出矩阵u和矩阵v，得到负荷群用电关联度，否则重复步骤(b)-(c)：

其中，ε为停止阈值。

进一步地，在步骤(2)中，所述预防控制策略如下：

对某区域电网的负荷曲线进行基于历史数据的分析，得出区域电网负荷曲线的一般特性，并通过智能检测设备采集该区域用电负荷群的用电信息，该用电信息包括电压、电流、功能功率、温度和负荷群用电关联度，结合电网分时电价进行分析，以用户用电成本最少和系统负荷曲线峰谷差最小为目标函数，求解出最优解，根据最优结果制定需求侧响应策略并下发至各用电控制设备，各用电控制设备对可控负荷实施控制，实现用电负荷对电网调控的响应，并获得理想的用电负荷曲线。

进一步地，在步骤(2)中，所述紧急控制策略如下：

当电力输电线路因特殊情况出现负荷曲线高峰异常或过载的紧急情况时，考虑dr节点的控制灵敏度，结合就地测量数据分析，对满足dr调节且参与需求响应指令的负荷实现直接控制，事后给予响应用户赔偿。其中，dr节点的控制灵敏度根据用户负荷响应时间、响应效果和可控负荷数量计算得到，就地测量数据包括智能测量设备采集的用户负荷的功率、电压、电流和温度。

进一步地，在步骤(3)中，所述日前用电负荷调度措施的步骤如下：

(ⅰ)调研户用光伏电源安装容量、历史输出情况以及并网电量，根据区域用户历史用电情况，确定户用光伏发电量，并制定考虑光伏电源消纳及电网需求的目标函数；

(ⅱ)基于历史数据，预测日前光伏电源输出及用户用电情况，根据预测数据和用户生活习惯，分析用户侧可控负荷用电特性和需求响应特性；

(ⅲ)根据目标函数和可转移负荷用电特性，设计储能装置的参数，参数包括容量和输入/输出功率；

(ⅳ)制定储能装置充放电时间表。

进一步地，在步骤(3)中，所述实时需求响应措施的步骤如下：

(ⅰ)实时监测时段t内光伏电源的输出功率ppv(t)，并计算其功率波动δppv(t)；

(ⅱ)判断光伏电源的输出功率波动δppv(t)是否满足波动范围要求，若满足，则返回步骤(ⅰ)，监测下一时段功率状态；否则，执行步骤(ⅲ)；

(ⅲ)根据可中断负荷实时状态及用户预先设定的用电需求，制定储能装置响应方案，满足平抑光伏电源波动性需求，然后进入下一时段功率监测。

采用上述技术方案带来的有益效果：

(1)本发明考虑了负荷群用电关联度、分时电价和光伏出力等多种因素，得出的优化结果更加合理全面；

(2)本发明通过模糊c均值聚类算法得到的负荷群用电关联度更具有可靠性，更能反映负荷群用电的真实状态；

(3)本发明提出预防-紧急控制策略，在多时间尺度上提出该控制策略，能及时有效整合负荷侧资源，实现电网的调峰需求，相比于单一的需求侧响应策略是实现了智能化，更加具有时效性和可靠性；

(4)本发明提出实时需求响应措施和日前用电负荷调度措施，通过储能电源，提供既定或实时的功率调节，从而能够平抑光伏发电出力，提高电能质量，减少输电线路双向潮流。

附图说明

图1是本发明的整体组成示意图；

图2是模糊c均值聚类算法产生用电关联度参数的流程图；

图3是可控负荷参与智能dr的预防-紧急控制策略示意图；

图4是日前用电负荷调度措施框图；

图5是实时需求响应措施框图；

图6是光伏电源日前-实时就地消纳流程图。

具体实施方式

以下将结合附图，对本发明的技术方案进行详细说明。

本发明针对的用电系统主要包括以下用电设备：智能家电(冰箱，空调，热水器等)、电动汽车、分布式光伏发电设备、储能调节装置以及常用高级测量设备。如图1所示，本发明包括三个主要部分：

第一部分：参与策略优化的参数设置

该部分通过高级量测(advancedmeteringinfrastructure，ami)和智能算法(模糊c均值聚类算法)对实时参数进行检测和分析，整体需求侧响应策略在实施过程中主要考虑以下3个参数：负荷群用电关联度，分时电价和光伏发电输出功率。

(1)负荷群用电关联度

1)负荷群用电关联度概念

负荷群用电关联度是指，在考虑不同用电负荷群时，如居民区，商业区和工业区等，用电负荷之间由于天气、季节、人为习惯、政策等等多种因素导致的用电负荷之间存在的关联度的问题。例如，在考虑智能家电和电动汽车充电的情况下，春/秋季，居民区的用电负荷存在着以下关联性，上午5：00～8：00时间段内为居民区用电高峰，热水器和电动汽车充电用电可能存在强相关性，同时热水器和照明以及空调之间可能存在弱相关性；上午8：00～下午5：00考虑居民区用电会出现小高峰，该小高峰时，电动汽车和其他智能家电可能存在不确定的关联性(可能居民区所处位置和类型有关)；下午5：00～夜间12：00，居民区会出现新的用电高峰，该时段基于居民的行为习惯等原因，不同智能家电间会产生不同的关联度。其他不同负荷区关联度可能性不再赘述。

2)模糊c均值聚类算法产生关联度参数

(a)建立对各用电负荷的用电状态进行评价的指标xk，k＝1,2,…,n，n为用电负荷的个数；

(b)计算或更新隶属度矩阵u＝[uik]c×n，矩阵u为c行n列矩阵，c为聚类的类别数，uik为矩阵u的第i行第k列的元素：

对于如果dik＞0，则有：

如果使dik＝0，则有uik＝1；

其中，dik表示指标xk到第i类聚类中心vi的距离，m为设定的模糊加权指数；

(c)更新聚类中心矩阵v，矩阵v由c类聚类中心组成：

(d)计算目标函数j(u,v)，如果j(u,v)<ε，则输出矩阵u和矩阵v，得到负荷群用电关联度，属于同一聚类类别的样本的用电关联度高，否则重复步骤(b)-(c)：

其中，ε为停止阈值。

上述算法也可以先初始化聚类中心，然后再执行迭代过程。图2为模糊c均值聚类算法产生用电关联度参数的流程图。

(2)分时电价，一般在一段时间内由售电机构决定后保持不变，因此在相对较小的时间尺度上可视为不变。

(3)光伏发电实时/预测出力，由气象观测和高级量测设备检测综合分析后得出。分为日前预测和实时测量数据。

第二部分：含可控负荷和电动汽车的负荷群参与的预防-紧急控制策略

该部分为含可控负荷和电动汽车的负荷群参与的紧急-预防智能需求响应方案，是在多时间尺度上，当考虑智能家电和电动汽车负荷在内的负荷群参与需求侧响应策略时，提出预防-紧急控制策略。

(1)预防控制

预防控制中，对某区域电网的负荷曲线进行基于历史数据的分析，得出区域电网负荷曲线的一般特性，并通过智能检测设备采集该区域用电负荷群的数据信息，该数据信息除负荷群一般用电信息，如电压，电流，功能功率和温度外，还应包括该策略中提出的负荷用电的关联度参数。这些数据信息结合电网分时电价的参数，经信息通道上传至智能需求响应控制平台进行分析，以用户用电成本最少和系统负荷曲线峰谷差最小为目标函数，优化算法解出最优解，智能控制平台根据最优结果制定需求侧响应策略并下发至智能控制设备，各用电控制设备对可控负荷实施控制，用电负荷实现对电网调控的响应并获得理想的用电负荷曲线，达到削峰填谷和减少成本的目的。

(2)紧急控制

紧急控制中，主要涉及dr节点频率控制灵敏度的在线计算和智能插座的紧急切换控制，当电力输电线路因特殊情况出现负荷曲线高峰异常和过载的紧急情况时，考虑dr节点的控制灵敏度，结合就地测量数据分析，对满足dr调节，可参与需求响应指令的负荷实现直接控制，事后根据估计经济计算给响应用户给予一定赔偿。其中，dr节点的控制灵敏度主要根据用户负荷响应时间，响应效果，可控负荷数量计算得到，灵敏度越高，对智能dr策略的响应越快越好。就地测量数据主要包括智能电表等智能测量设备采集的用户负荷的功率，电压，电流和温度等数据。图3为可控负荷参与的预防-紧急控制策略示意图。

第三部分：户用光伏就地消纳的措施

该部分是一种利用恒功率充放储能系统实现用户式光伏发电(pv)功率就地消纳的方案。本方案可以采取两种实施措施——日前用电负荷调度措施、实时需求响应措施。

如图4所示日前用电负荷调度措施示意图。首先调研户用光伏发电电源安装容量、历史输出情况及并网电量等，根据区域用户历史用电情况，确定户用光伏发电量，并制定考虑光电电源消纳及电网需求的目标函数。其次基于历史数据，预测日前光电电源输出及用户用电情况，根据预测数据及用户生活习惯等，分析用户侧可控负荷用电特性、需求响应特性等。根据目标函数及可转移负荷用电特性，设计储能装置容量、输入/输出功率等参数。最后制定出切实可行的储能装置充放电时间表。

如图5所示实时需求响应措施示意图，该措施首先对光伏发电功率进行实时监测，同时与用户用电负荷进行比较分析，通过智能用电系统分析部分分析光电功率消纳状况，启用储能装置响应方案。两种方案都可实现光伏发电功率的就地消纳。

(1)日前用电负荷调度措施

该措施包括三个主要部分：光伏发电预测、用户用电负荷统计和储能响应，如图4-5所示为日前用电负荷调度策略。主要步骤为：

1)调研户用光伏发电电源安装容量、历史输出情况及并网电量等，根据区域用户历史用电情况，确定户用光伏发电量，并制定考虑光电电源消纳及电网需求的目标函数。

2)基于历史数据，预测日前光电电源输出及用户用电情况，根据预测数据及用户生活习惯等，分析用户侧可控负荷用电特性、需求响应特性等。

3)根据目标函数及可转移负荷用电特性，设计储能装置容量、输入/输出功率等参数。

4)制定出切实可行的储能装置充放电时间表。

(2)实时需求响应措施

该措施主要步骤如下：

1)实时监测时段t内，光电电源输出功率ppv(t)，并计算其功率波动δppv(t)；

2)判断分布式pv输出功率波动δppv(t)是否满足波动范围要求，若是则返回步骤1)监测下一时段功率状态；否则，执行步骤3)；

3)根据可中断负荷实时状态及用户预先设定的用电需求，制定储能装置响应方案，满足平抑pv电源波动性需求，然后进入下一时段功率监测。

光伏发电的出力受光照强度的波动而波动，其电能质量将受到影响。通过储能电源，提供既定或实时的功率调节，从而能够平抑光伏发电出力，提高电能质量，减少输电线路双向潮流。

基于上述分析，户用光伏电源的日前-实时功率就地消纳算法流程图如图6所示，,将一天分为24个时段，每时段为1h，首先基于历史数据计算光伏发电渗透率并制定分布式电源的消纳目标函数；其次日前预测的光伏出力曲线与实时监测出力结果进行比对分析，根据比对结果由控制中心决定实施日前dr策略实现就地消纳或储能设备对剩余光电进行储能；最后形成新的用电负荷曲线和分布式电源功率消纳曲线，符合目标后进入下一时段监测(t＝t+1)。

实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。