一种基于非需求响应因素的基线预测和优化方法
【技术领域】
[0001] 本发明涉及一种需求响应中基线预测和优化问题，属于电力系统及其自动化技术 领域。
【背景技术】
[0002] 新世纪以来，电力需求迅猛增长，尽管电力建设高速发展，但是由于负荷需求的飞 速增长，能源危机和供需矛盾日益严峻，我国大部分地区出现区域性、季节性、时段性、结构 性的缺电和峰谷差扩大现象并将长期存在。需求响应作为调节电力供需平衡的重要手段， 采取有效的激励和引导措施以及适宜的运作方式，提高终端用电效率和改变用电方式，可 有效保持供用电平衡，保障电网的稳定运行。
[0003] 但是在具体的实践中，对于需求响应的基线预测一直是存在的一大难题，传统的 基线预测方法基于用户负荷这一单一电能数据，未考虑天气因素、生产信息、经济发展情况 等其他因素，因而预测结果存在较大误差，极大地制约了需求响应技术的应用和需求响应 项目的开展。
【发明内容】
[0004] 为解决现有技术的不足，本发明的目的在于提供一种需求响应下准确预测基线的 计算方法，将非需求响应因素对负荷的影响纳入到基线负荷的计算中，充分发挥了其运用 效率。
[0005] 为了实现上述目标，本发明采用如下的技术方案：
[0006] -种基于非需求响应因素的基线预测和优化方法，其特征是，包括如下步骤：
[0007] 1)确定所需要用的备选非需求响应因素；
[0008] 2)采用灰色关联分析法计算各备选非需求响应因素与负荷的关联度，根据结果选 择所需要用的非需求响应因素；
[0009] 3)根据步骤2)得到的非需求响应因素和备选相似日构建特征量矩阵；根据需求 响应日构建特征量矩阵；
[0010] 4)计算关联度并确定相似日；
[0011] 5)根据步骤4)中的结果分别采用相似日加权法、多元线性回归法和RBF神经网络 法对基线进行计算；
[0012] 6)对步骤5)的结果采用组合计算模型进行计算，得到最终的基线预测值。
[0013] 前述的一种基于非需求响应因素的基线预测和优化方法，其特征是，所述步骤1) 中，备选非需求响应因素的选取遵循以下原则：1)历史数据可获取；2)数据可量化；3)样 本数量足够。
[0014] 前述的一种基于非需求响应因素的基线预测和优化方法，其特征是，所述步骤2) 包括如下步骤：
[0015] 21)对于m个备选非需求响应因素，选取相同时间间隔的特征量，形成比较序列：
[0016] Xi= {x i (I)，Xi ⑵，Xi (3)，......，x"P)} ⑴
[0017] 式中，Xi (p)为第i个备选非需求响应因素的第p个特征量，i = 1，2,......，m ;p为 所取特征量数量；
[0018] 22)获取历史负荷数据的特征量序列，记为参考序列y :
[0019] y = {y(l),y(2),y(3),……，y (p)} (2)
[0020] 式中，y (p)为历史负荷数据的第p个特征量；
[0021] 23)计算关联系数：
[0023] 式中，I1Qi)为参考序列y与比较序列X1在第h个特征量上的关联系数，h = 1，2,......P，P为分辨系数；
[0024] 24)计算y和比较序列\的关联度：
[0026] 式中，γ y和比较序列X ^勺关联度，其值表征了第i个备选非需求响应因素与 用电负荷的相关性，i = 1，2,......，m ;
[0027] 25)选择与y的关联度γ P 0. 9的比较序列所对应的备选非需求响应因素作为 本方法中需要考虑的非需求响应因素。
[0028] 前述的一种基于非需求响应因素的基线预测和优化方法，其特征是，所述步骤23) 中 P = 0· 5。
[0029] 前述的一种基于非需求响应因素的基线预测和优化方法，其特征是，所述步骤3) 中，
[0030] 对于m个备选相似日，每个相似日有s个非需求响应因素，选取相同时间间隔的特 征量形成比较序列，特征量的数量为P个，构成m个SXp的特征量矩阵：
[0032] 其中，A1表示第i个备选相似日的特征量矩阵，X U(P)表征第i个备选相似日中 第j个非需求响应因素的第P个特征量；
[0033] 对于需求响应日，采用上述同样的方法建立特征量矩阵A，
[0034] CN 105117803 A 说明书 3/10 页
[0035] 其中，X](p)表示第j个非需求响应因素选取的第p个特征量。
[0036] 前述的一种基于非需求响应因素的基线预测和优化方法，其特征是，所述步骤4) 中包括如下步骤：
[0037] 41)对于m个备选相似日，分别计算特征量矩阵~和A相同行序列的相关度，则m 个备选相似日分别得到s个关联度，计为λ I, (I < i < m，I < j < s)，其表征第i个备选相 似日的第j个非需求响应因素与待预测需求响应日的对应因素的相关度；计算方法如下：
[0039] 其中，XlijQi)表征第i个备选相似日中第j个非需求响应因素的第h个特征量；X] (h)表征需求响应日的第j个非需求响应因素的第h个特征量；
[0040] 42)计算备选相似日i (1彡i彡m)与需求响应日的加权关联度λ i:
[0043] 其中，γ j (1彡j彡s)为步骤25)得到的本方法需要考虑的的第j个非需求响应 因素与负荷的关联度；λ、,为第i个备选相似日的第j个非需求响应因素与需求响应日对 应因素的关联度；λ i为第i个备选相似日的加权关联度；ω ,为第j个非需求响应因素的 加权系数；
[0044] 43)确定相似日：选取λ P 0.9(1彡i彡m)的备选相似日作为相似日。
[0045] 本发明所达到的有益效果：充分考虑了非需求响应因素对用户负荷特性和基线预 测的影响，并通过非需求响应因素挖掘、相似日选择和基线计算等步骤，采用组合计算模型 综合加权法、多元线性回归法、RBF神经网络法等负荷预测方法的优点，极大地提高了需求 响应基线预测的准确性。
【附图说明】
[0046] 图1为本发明方法的总流程图。
【具体实施方式】
[0047] 下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明 的技术方案，而不能以此来限制本发明的保护范围。
[0048] 如图1所示，本发明涉及的一种考虑非需求响应因素的基线预测和优化方法，包 括以下步骤：
[0049] 步骤1):确定备选非需求响应因素；
[0050] 非需求响应因素指需求响应常用的电价激励、补偿等手段之外的所有可能影响负 荷基线的因素。常见的非需求响应因素有气温、湿度、生产班制等，而股市、车流量、空气质 量、风速、重大节日、突发事件等众多因素也可能是影响基线的因素。
[0051] 需要从数量庞大的数据中确定可进行关联度分析的备选非需求响应因素，确定方 法遵循以下原则：1)历史数据可获取；2)数据可量化；3)样本数量足够。
[0052] 步骤2):分析各备选因素与负荷的关联度，采用灰色关联分析法分析各备选非需 求响应因素与历史负荷的关联度。
[0053] 具体包括如下步骤：
[0054] (21)对于m个备选非需求响应因素，选取相同时间间隔的特征量（如96点实际负 荷中，各时间段对应的负荷）形成比较序列：
[0055] Xi= {x i(l), Xi (2), Xi (3),......,Xi(P)I ⑴
[0056] 式中，Xi (p)为第i个备选非需求响应因素的第p个特征量，i = 1, 2,......, m ;p = 96,为每日所取特征量数量。
[0057] (22)获取历史负荷数据的特征量序列，记为参考序列y :
[0058] y = {y(l), y(2), y(3),......，y(p)}