一种基于历史负荷数据回归的居民用户调峰潜力评估方法与流程

本发明涉及电力系统运行和控制，尤其涉及一种基于历史负荷数据回归的居民用户调峰潜力评估方法。

背景技术：

1、当前，随着可再生能源发电的大规模接入，电力系统实时平衡面临巨大挑战，需求侧响应逐渐成为有效解决上述问题的重要手段。居民负荷作为一种优质的调峰资源，在此背景下如何评估居民用户调峰潜力成为影响电力系统运行安全、电力用户经济效益的重要挑战。

技术实现思路

1、本发明的目的在于提供一种基于历史负荷数据回归的居民用户调峰潜力评估方法，以解决上述背景技术中提出的问题。

2、为实现上述目的，本发明采用的技术方案如下：一种基于历史负荷数据回归的居民用户调峰潜力评估方法，包括以下步骤：

3、步骤1，建立居民用户峰期平均功率apl计算模型。峰期平均功率指居民用户未执行需求响应前平均每个居民用户的峰期功率，其数值决定了居民用户调峰潜力的大小，是测算居民用户调峰潜力的基础。本发明基于历史负荷数据的回归分析，综合考虑考虑天气温度、工作日状态等因素，求解计算居民用户峰期平均功率apl计算模型，基于求解结果，确定居民用户峰期平均功率。

4、步骤2，建立居民用户峰期功率平均削减率prr计算模型。峰期功率平均削减率指居民用户执行需求响应后在峰期平均每个用户的负荷削减率。本发明基于用户类型、控制自动化水平、空调负荷渗透率以及居民收入水平评估用户消费弹性，综合考虑峰荷价格增长率，求解居民用户峰期功率平均削减率prr计算模型，基于求解结果，确定居民用户峰期平均削减率。

5、步骤3，建立需求响应参与居民用户数量drpn计算模型。本发明采用逐级分类的方法计算需求响应的参与用户数量。本发明将用户按照是否已经安装智能电表、有无动态电价、有无远程直接控制的方式分类。综合考虑不同分类层级维度下可参与需求响应的用户数量，求解需求响应参与居民用户数量drpn计算模型，基于求解结果，确定需求响应参与居民用户数量。

6、步骤4，建立居民用户调峰潜力评估模型。所提模型从三个不同维度评估居民用户的调峰潜力，分别是居民用户峰期平均功率apl、参与需求响应的峰期功率平均削减率prr以及需求响应的参与用户数量drpn。基于此，求解居民用户调峰潜力评估模型，确定居民用户调峰潜力。

7、2、根据权利要求1所述的一种基于历史负荷数据回归的居民用户调峰潜力评估方法，其特征在于：所述步骤1包括：

8、步骤101，针对用户类型为ct年份为n的负荷历史数据,年份n的居民用户调峰潜力aplct,n,d,t表达式如下：

9、

10、fd,t(d,t)＝1(d＝d，t＝t)

11、其中，j指日期；pl指当日的峰荷功率值；d代表日期是否为工作日，d 的取值有两个，分别为wd(工作日)和rd(非工作日)；t代表当日的最高气温。只有当d＝d和t＝t同时满足时，fd,t(d,t)函数值为1。

12、步骤102，基于用户类型为ct年份为n的居民用户调峰潜力，计算年份n+1 日期为j的峰期平均功率，计算公式如下：

13、aplct,n+1,j,t＝aplct,n,d,t·αn

14、具体为步骤为，根据日期j和当天温度t，求得年份n的aplct,n,d,t；然后在此基础上乘以增长因子α，参数α为年份n到年份n+1的平均峰荷增长率。

15、3、根据权利要求2所述的一种基于历史负荷数据回归的居民用户调峰潜力评估方法，其特征在于：所述步骤2包括：

16、本发明同时考虑价格型需求响应和激励型需求响应，其中价格型需求响应是指用户手动方式或者提前设置的自动装置，按照动态电价实现；激励型需求响应是指按照提前签订的协议，通过远程直接控制实现。针对上述两种需求响应类型，居民用户峰期功率平均削减率prr的计算方式如下：

17、步骤201，建立如说明书附图2所示模型求解价格型需求响应的用户负荷峰期平均削减率。基于用户类型ct、控制自动化水平cav、空调负荷渗透率 acr以及居民收入水平inc，计算价格型需求响应用户消费弹性e。

18、步骤202,基于线性相关假设量化用户类型ct、控制自动化水平cav、空调负荷渗透率acr以及居民收入水平inc与价格型需求响应用户消费弹性e之间的关系，其基本形式为：

19、e(xi)＝aixi+bi (i＝1,2,3)

20、其中，e为居民用户需求价格弹性；xi指影响e的三个因素：控制自动化水平cav、空调负荷渗透率acr以及居民收入水平inc；ai和bi为线性相关系数。

21、步骤203，基于影响需求价格弹性e的三个因素权重系数为wi，计算价格型需求响应居民用户年份n消费弹性e：

22、

23、步骤204，居民用户需求价格弹性e随年份发生改变，设置调整因子β得到年份n+1的需求价格弹性

24、ect,n+1＝ect,n·βn

25、步骤205，计算居民用户到年份n+1的峰期功率平均削减率：

26、prrct,n+1＝ect,n+1·pirct,n+1

27、步骤206，激励型需求响应的用户负荷峰期平均削减率与签约用户的空调负荷渗透率、接受直接控制的电器种类有关。本发明通过空调负荷渗透率核定激励型用户负荷峰期平均削减率，具体计算公式如下。

28、prr'ct,n+1＝acrct,n·βn

29、4、根据权利要求3所述的一种基于历史负荷数据回归的居民用户调峰潜力评估方法，其特征在于：所述步骤3包括：

30、针对需求响应的参与用户数量的计算，要避免重复计算和漏算的问题，因此本文提供了一种逐层分类的方法，如说明书附图3所示。

31、步骤301，针对需求响应的参与用户数量的计算，进行逐层分类。第一层分类标准为是否已经安装智能电表；第二层分类标准为有无动态电价；第三层分类标准是有无远程直接控制。

32、步骤302，基于上述分类标准，计算居民用户需求响应的参与用户数量 drpn：

33、

34、5、根据权利要求4所述的一种基于历史负荷数据回归的居民用户调峰潜力评估方法，其特征在于：所述步骤4包括：

35、此模型从三个方面得到用户的调峰潜力，分别是此类型用户峰期平均功率apl、参与需求响应的峰期功率平均削减率prr以及需求响应的参与用户数量drpn。具体计算方法表示为：

36、plpct,n,j,t＝aplct,n,j,t·prrct,n·drpnct,n

37、式中：ct指用户类型，n指测算年份，j指调峰潜力的测算日期；plpct,n,j 指用户类为ct的用户在n年份的j日的调峰潜力，即通过需求响应措施，在原来峰荷的基础上可以削减的负荷量。

38、本发明的有益效果是：

39、传统的居民用户调峰潜力评估方法，只考虑用户物理属性，未考虑用户需求响应调峰潜力相关的影响因素，包括用户习惯、消费水平、负荷类型、自动化程度等。本发明提出一种基于历史负荷数据回归的居民用户调峰潜力评估方法，综合考虑居民用户参与需求响应的天气温度以及是否工作日的历史数据评估居民用户峰期平均功率；然后评估价格型需求响应和激励型需求响应两种响应方式下居民负荷的峰期功率平均削减率；其次，通过逐层分类的方法评估量化需求响应的参与居民用户数量；最后综合考虑用户峰期平均功率、参与需求响应的峰期功率平均削减率以及需求响应的参与用户数量，量化居民用户调峰潜力。本发明可以有效避免只考虑居民用户物理属性引起可调潜力评估不精确进而导致电力系统平衡压力增大，提高电力系统用户侧调峰容量，保证电力系统运行安全可靠。