基于广义需求侧资源聚合的电力系统短期负荷预测模型

作者:陈丽娜;张智晟;于道林; 刊名:电力系统保护与控制 上传者:黄婕

【摘要】需求响应计划的广泛实施对电力系统短期负荷预测将产生一定的影响。为了获得理想的预测精度,需要准确计及需求响应因素的实时变化,并将其融入短期负荷预测模型的构建中。首先提出了一种能够通过电价合同实现的需求响应调度方式,该方式借助负荷聚合商机构实现了广义需求侧资源的最优调度,并能够以需求响应信号的形式提供给系统调度员利用。以此为基础,构建了基于广义需求侧资源聚合的电力系统短期负荷预测模型,将需求响应因素融入到短期负荷预测模型的构建中。仿真结果表明,构建的短期负荷预测模型能够有效弥补传统负荷预测模型的不足,有利于提升模型的预测精度。

全文阅读

This work is supported by National Natural Science Foundation of China(No.51477078).需求侧用户的广泛参与通常被认为是智能电网条件下降低峰值需求、增加负荷弹性,提高电力网运行效率和稳定性的必然解决方案[1-4]。灵活的需求响应(Demand Response,DR)可以有效地解决供需矛盾,减少需求缺口,为供需双方带来更多选择。如何充分挖掘需求侧资源,消除电力市场需求响应资源融合的障碍成为当下研究的热点[5]。需求响应鼓励能源消费者通过刺激电价或合同补偿等手段与能源供应商进行互动,但是当前电力市场的电价和激励机制尚不成熟,有关需求响应试点的调查研究显示,智能化设施的完善虽然有助于提高用户对动态价格信号的响应能力,但总体来说效果并不理想。基于需求价格弹性的需求响应模型对DR市场的影响仍处于理论阶段,并不能为电力市场提供实用的DR工具[6-8]。因此,如何在竞争性的电力市场中设计适应不同市场环境和系统运行的DR实用工具,提高需求侧用户参与的积极性和响应能力,被认为是需求响应成功实施的重大挑战。在当前的电力系统中,负荷聚合商(LoadAggregation,LA)及虚拟发电厂[9](Virtual PowerPlants,VPP)等机构通常被认为是需求侧资源聚合的重要中介,它们可以通过专业的技术手段挖掘具有潜在价值的需求响应资源,并为其提供参与市场调节的机会,协助DR产品的聚合和售出,本文对于LA和VPP的概念不作区分。文献[10]从不同客户参与需求响应的意愿的角度进行了详细的研究,研究结果显示合同方式有利于提高用户参与需求响应的积极性。文献[11]重点关注了基于负荷聚合商业务的需求响应资源的整合方法与运营机制,指出LA框架下DR资源调度的主要实现手段分为电价和合同两种,而后者是LA的主要业务。文献[12]提出了一种基于电价合同的DR调度操作方案,该方案以聚合商处的最大收益作为优化目标,虽实现了不同需求响应资源的实时调度,但在一定程度上限制了参与者的灵活性和协调性,不利于促进弱势资源参与需求侧管理。本文从激励不同需求响应资源参与需求侧管理的角度出发,构建了基于广义需求侧资源的最优调度模型。该模型充分考虑了LA框架下不同DR选项下的各种可能,并通过电价合同的约束实现了不同资源的整合和优势互补,减少了需求侧资源参与的不确定性。本文主要考虑可削减负荷(LoadCurtailment,LC)、可负荷转移(Load Shift,LS)和能源存储系统(Energy Storage System,ESS)三种控制资源。将需求响应因素融入到短期负荷预测模型的建模中,构建了计及广义需求侧资源的短期负荷预测模型,对需求响应因素对短期负荷预测产生的影响进行了探讨。通过结合实际地区的负荷进行仿真测试,结果表明,基于广义需求侧资源聚合的短期负荷预测模型具有较高的预测精度,预测结果明显优于不计及需求响应因素的预测模型。1基于广义需求侧资源的DR信号模型及其构造随着智能电网技术的发展,需求侧许多具备一定调节能力的需求响应资源逐渐被挖掘,这部分资源聚合之后数量可观,在参与电力需求侧管理方面拥有巨大的潜力[13-14]。如系统运营商可以利用灵活的电价政策引导需求侧用户的用电行为。一方面,可通过提升预测日的峰时电价,激励需求侧用户签订经济可行的DR合同,减轻峰时供电压力,另一方面,可降低谷荷时段的电价,引导用户进行负荷转移或电能存储,实现电力疏导。为了激励不同种类的用户参与DR项目,本节模拟了一种可以通过电价

参考文献

引证文献

问答

我要提问