智能電網(wǎng)下需求響應(yīng)機(jī)理及其短期負(fù)荷預(yù)測(cè)模型研究.pdf

1、隨著電力市場(chǎng)的不斷發(fā)展和日益完善，其利益主體逐漸呈現(xiàn)出多元化，電價(jià)機(jī)制也得到調(diào)整和更新。為綜合優(yōu)化整個(gè)電力系統(tǒng)的資源配置，緩解電網(wǎng)短期負(fù)荷容量不足，需求響應(yīng)成為電力領(lǐng)域研究熱點(diǎn)。在智能電網(wǎng)的技術(shù)支撐下，需求響應(yīng)可通過制定峰谷電價(jià)促進(jìn)電網(wǎng)與用戶之間的實(shí)時(shí)性互動(dòng)，有利于電力資源合理分配，配合短期負(fù)荷預(yù)測(cè)技術(shù)，最終實(shí)現(xiàn)雙方獲益。因此，量化分析峰谷電價(jià)下用戶需求響應(yīng)機(jī)理和研究計(jì)及需求響應(yīng)的短期負(fù)荷預(yù)測(cè)新方法意義重大。
　　根據(jù)消費(fèi)者心理學(xué)

2、原理，建立基于分段函數(shù)的需求響應(yīng)機(jī)理模型，對(duì)峰谷電價(jià)進(jìn)行量化分析，由于模型未充分考慮非電價(jià)因素的影響，因此賦予用戶響應(yīng)模糊屬性。引入基于數(shù)據(jù)挖掘的負(fù)荷時(shí)間序列聚類方法，以負(fù)荷序列間歐式距離和差分序列標(biāo)準(zhǔn)差構(gòu)成的交集約束作為聚類過程的綜合判據(jù)，對(duì)目標(biāo)電網(wǎng)全年的歷史負(fù)荷數(shù)據(jù)做聚類處理。根據(jù)聚類結(jié)果，同時(shí)從負(fù)荷數(shù)據(jù)大小和曲線形態(tài)變化兩個(gè)方面挖掘識(shí)別負(fù)荷特性，制定次日動(dòng)態(tài)峰谷電價(jià)。通過實(shí)際算例，擬合預(yù)測(cè)日需求響應(yīng)負(fù)荷曲線，結(jié)果表明實(shí)施動(dòng)態(tài)峰谷電

3、價(jià)削峰填谷效果顯著，且參與需求響應(yīng)項(xiàng)目的用戶可根據(jù)參與度從中獲取相應(yīng)收益。
　　另外，本文以曲線的形式協(xié)助描述了需求響應(yīng)機(jī)理，基于時(shí)變函數(shù)建立了用戶實(shí)際需求響應(yīng)模型。通過頻譜分析研究了需求響應(yīng)負(fù)荷的基本特性，并以此為依據(jù)確定預(yù)測(cè)模型輸入量組成，引入需求響應(yīng)量化結(jié)果，分別建立了計(jì)及需求響應(yīng)的RNN、Elman-NN和RBF-NN預(yù)測(cè)模型。通過實(shí)際算例，對(duì)比在三種預(yù)測(cè)模型中計(jì)及需求響應(yīng)因素前后的預(yù)測(cè)性能，結(jié)果表明RBF-NN模型預(yù)測(cè)性

4、能最佳，且將需求響應(yīng)量化結(jié)果引入預(yù)測(cè)模型可顯著提高其預(yù)測(cè)精度。
　　分析上述實(shí)際算例結(jié)果，結(jié)合動(dòng)態(tài)峰谷電價(jià)機(jī)制，根據(jù)消費(fèi)者心理學(xué)原理描述了基于Logistic函數(shù)的用戶需求響應(yīng)機(jī)理。通過量化電價(jià)、用戶響應(yīng)程度以及溫度等外界因素，構(gòu)建了考慮需求響應(yīng)綜合影響因素的RBF-NN短期負(fù)荷預(yù)測(cè)模型?；贚ogistic函數(shù)的需求響應(yīng)機(jī)理充分考慮了電力用戶應(yīng)對(duì)不同電價(jià)的心理響應(yīng)狀態(tài)，且其響應(yīng)度曲線在不同電價(jià)差分段點(diǎn)處連續(xù)可導(dǎo)，與描述需求響應(yīng)機(jī)