一种面向调度的负荷侧广义负荷灵活性的预测方法

技术领域

本发明涉及广义负荷预测领域，尤其是指一种面向调度的负荷侧广义负荷灵活性的预测方法。

背景技术

随高比例可再生能源的接入，用户侧负荷也逐渐转变为具有“电源”、“负荷”双重特性的广义负荷。目前研究针对广义负荷缺乏明确定义，一般认为是负荷侧的可再生能源出力、灵活性资源和实际用电负荷的总和。电力系统对于灵活性的需求日益增长，传统电源逐渐被可再生能源替代，降低了灵活性资源的容量，传统的电力平衡方案难以覆盖广义负荷的需求，系统开始展现出灵活性不足的现象。不断增长的广义负荷增大了配电网的负荷预测和管理的难度，传统负荷预测研究局限于负荷总量预测和预测精度方面，未能实现负荷在可控可调方面潜力的挖掘，难以给调度等应用场景提供实际价值。而在智能电网技术快速发展的环境下，越来越多的智能家电、分布式电源具有充分的信息采集、与电网通信交互及控制能力，给广义负荷提供了参与调峰调频辅助服务的可能性。

以往研究多集中于需求响应方面，一般将负荷划分为刚性负荷和柔性负荷，继而进行相应的需求相应邀约。而广义负荷涵盖面更广，主要分为三类：1)考虑新能源接入的广义负荷；2)考虑电动汽车充电的广义负荷；3)考虑需求侧相应的广义负荷。较之于需求响应的负荷，广义负荷可挖掘的潜力更大。针对广义负荷方面的研究，其各类负荷物理模型的模拟已较为成熟，但在广义负荷曲线与实际运行负荷的辨识上还涉及较少，模拟生产的广义负荷场景数据难以给电网调度提供直接可用的实际参考。

发明专利《适用于多场景的电力负荷预测方法》公开了一种适用于多场景的电力负荷预测方法(CN109103881A)，包括选定待预测区域；获取待预测区域内的负荷预测影响因素并排序；获取待预测区域内的负荷预测影响因素的历史数据；选取待预测区域的负荷预测模型；建立待预测区域的负荷预测模型；对待预测区域的电力负荷进行预测。该发明方法通过考虑影响电力负荷预测的各个影响因素，以及多类型场景下的负荷预测模型，实现了多影响因素条件下的负荷预测，同时采用不同的负荷预测模型对多类型场景进行预测和结合。但该专利仅针对区域内的传统负荷进行预测，并未对其进行广义负荷整体的辨识和灵活性分析，对于电网调度无法提供调节能力。

发明内容

本发明提出了针对这方面研究的空白，基于广义负荷曲线进行弹性负荷辨识和弹性调节能力的挖掘，提出一种可直接用于电网调度场景的负荷侧广义负荷灵活性预测和风险评估方法，具有如下的优点与市场效益：

1)从传统负荷、电动汽车充电负荷、可再生能源三个层面建立起可感知互动的广义负荷模型，为其所含的弹性负荷评估和预测提供参考。

2)对于调峰、调频应用场景展开的弹性负荷预测，充分考虑广义负荷组成成分，其可实现性更强，具有实际应用价值。

3)对于调峰、调频应用场景展开的弹性负荷预测进行风险评估，提出量化的风险价值指标，具有实际参考意义。

本发明目的在于通过分析广义负荷的构成和广义负荷曲线，以负荷分解重构的方式考虑可再生能源接入和用户用电行为的影响，从纵向横向两个时间层面分析广义负荷曲线，对广义负荷进行灵活性的预测，以及相应风险评估。

本发明的目的至少通过如下技术方案之一实现。

一种面向调度的负荷侧广义负荷灵活性的预测方法，包括以下步骤：

S1、对于广义负荷有功组成部分进行分解，将其分为传统负荷、电动汽车充电负荷以及新能源出力三部分，进行广义负荷组成成分的辨识；

S2、对于传统负荷、电动汽车充电负荷以及新能源出力三部分，分别进行对应的负荷预测或出力预测；

S3、对于传统负荷、电动汽车充电负荷以及新能源出力三部分，分别对其灵活性进行分析评估，其中传统负荷进行调峰场景下的灵活性分析，电动汽车充电负荷进行调峰场景下负荷平移的灵活性分析，新能源出力进行调频场景下的下垂控制进行可调容量预测；

S4、根据步骤S3中的分析评估，通过负荷曲线剥离出各部分的弹性负荷容量预测以及对应的应用场景；

S5、据不同场景，设置相应灵活性风险评估指标用于调度参考。

进一步地，步骤S1中，广义负荷一般指母线上的有功负荷和无功负荷总和的综合负荷，有功负荷包括新能源接入的“负负荷”、电动汽车的充电负荷、需求侧响应的传统负荷，以及进行无功负荷调节的无功补偿器。

进一步地，步骤S3中，提出将分布式可再生能源参与调度运行模式由负负荷向部分可控电源转变的方法，建立了功率下调功能，所述下垂控制方式为：

其中，f

进一步地，步骤S3中，对于电动汽车的充电负荷建立可平移负荷的调峰模型，负荷平移方式满足以下约束：

其中，P

进一步地，步骤S3中，对于传统负荷的调峰模型，不可控负荷选取负荷曲线基线模型，可转移负荷与电动汽车充电负荷模型一致，可削减负荷削减方式为：

P

0<α

其中，P

进一步地，步骤S3中，进行广义负荷灵活性平衡，计算公式为：

P

Q

其中，P

进一步地，步骤S3中，建立起基于条件风险价值的评估方式，定义各类灵活性负荷的调度功率缺额随机变量S

S

其中，P

进一步地，在设定的置信概率下的调度缺额随机变量：

θ

其中，p

进一步地，对于实际应用场景，在给定调度指令p

其中，

进一步地，所述实际应用场景，主要为调峰调频辅助服务应用场景。

相比与现有技术，本发明的优点在于：

1.相比可解释性差的传统负荷预测，本发明对预测结果进行评估，对广义负荷的内部特性分析，解释性较好；

2.相比传统负荷预测，本发明针对调峰、调频应用场景，对于广义负荷预测结果的可调灵活性具有精确的估计，并提出了根据调度指令的需求响应风险评估指标。

附图说明

图1是本发明实施例中广义负荷灵活性预测流程图；

图2是本发明实施例中广义负荷节点组成示意图；

图3是本发明实施例中广义负荷分解辨识模型的训练流程图。

具体实施方式

下面结合具体实施例对本发明作进一步说明。

实施例1：

一种面向调度的负荷侧广义负荷灵活性的预测方法，如图1所示，包括以下步骤：

S1、对于广义负荷有功组成部分进行分解，将其分为传统负荷、电动汽车充电负荷以及新能源出力三部分，进行广义负荷组成成分的辨识；

如图2所示，广义负荷一般指母线上的有功负荷和无功负荷总和的综合负荷，有功负荷包括新能源接入的“负负荷”、电动汽车的充电负荷、需求侧响应的传统负荷，以及进行无功负荷调节的无功补偿器。

S2、对于传统负荷、电动汽车充电负荷以及新能源出力三部分，分别进行对应的负荷预测或出力预测；

S3、对于传统负荷、电动汽车充电负荷以及新能源出力三部分，分别对其灵活性进行分析评估，其中传统负荷进行调峰场景下的灵活性分析，电动汽车充电负荷进行调峰场景下负荷平移的灵活性分析，新能源出力进行调频场景下的下垂控制进行可调容量预测；

提出将分布式可再生能源参与调度运行模式由负负荷向部分可控电源转变的方法，建立了功率下调功能，所述下垂控制方式为：

其中，f

对于电动汽车的充电负荷建立可平移负荷的调峰模型，负荷平移方式满足以下约束：

其中，P

对于传统负荷的调峰模型，不可控负荷选取负荷曲线基线模型，可转移负荷与电动汽车充电负荷模型一致，可削减负荷削减方式为：

P

0<α

其中，P

进行广义负荷灵活性平衡，计算公式为：

P

Q

其中，P

建立起基于条件风险价值的评估方式，定义各类灵活性负荷的调度功率缺额随机变量S

S

其中，P

在设定的置信概率下的调度缺额随机变量：

θ

其中，p

S4、根据步骤S3中的分析评估，通过负荷曲线剥离出各部分的弹性负荷容量预测以及对应的应用场景；

S5、据不同场景，设置相应灵活性风险评估指标用于调度参考。

对于实际应用场景，在给定调度指令p

其中，

所述实际应用场景，主要为调峰调频辅助服务应用场景。

实施例2：

一种面向调度的负荷侧广义负荷灵活性的预测方法，实施例1的步骤S1中，对于广义负荷有功组成部分P

A1、针对广义负荷历史数据P

A2、将未来时刻的预测功率输入分解辨识模型，可以获得传统负荷P

可见，本发明对预测结果进行评估，对广义负荷的内部特性分析，解释性较好。

实施例3：

本实施例中，面向调峰调频辅助服务应用场景的灵活性风险评估指标，针对给定调度指令的情况进行风险评估，关键在于以下步骤：

B1、对分解后的传统负荷P

B2、对各部分采用实施例1中步骤S3的负荷平移或削减的方法，选取传统负荷P

B3、最终可获得在调峰场景下，在t时刻广义负荷进行灵活性响应的风险指标值C(t)。调频场景与调峰场景类似，此处不赘述。

可见，本发明针对调峰、调频应用场景，对于广义负荷预测结果的可调灵活性具有精确的估计，并提出了根据调度指令的需求响应风险评估指标。

实施例4：

本实施例中，面向调峰调频辅助服务应用场景的灵活性风险评估指标，针对未给出调度指令的情况进行风险评估，关键在于以下步骤：

C1、根据实施例2中的预测方法的步骤A2，获取传统负荷P

C2、根据各部分负荷的分解预测值，对其可调灵活性能力进行评估，选取传统负荷P

C3、最终可获得在调峰场景下，在t时刻广义负荷进行灵活性响应的风险指标值C(t)。调频场景与调峰场景类似，此处不赘述。

可见，本发明针对调峰、调频应用场景，对于广义负荷预测结果的可调灵活性具有精确的估计，并提出了未给出调度指令的需求响应风险评估指标。