一种电力需求响应潜力评估方法、系统及相关设备

技术领域

本发明涉及电力智能管理技术领域，特别是涉及一种电力需求响应潜力评估方法、系统及相关设备。

背景技术

随着近年来电网负荷不断上升，负荷的峰谷差不断增加，调峰调频成为建设可靠性高的电网的难点。面对短暂的高峰负荷需求时，以往都是采用增加建设发电机组和配套的输配电网络来应对，这些设备利用率较低，经济效益也不高。

需求侧管理作为智能用电的一种重要方式。通过制定有效合理的规则，在不影响用户的基础用电需求的条件下，引导用户群体按有利于电网运行的方向用电，提高用电效率并增强电网可靠性。

需求响应是一种市场行为，电网侧提供各种价格政策和激励政策，当用户选择进行响应时，可以通过改变自身用电方式获得收益；对于电网来说可以改善电网系统负荷压力。需求响应以智能电网为实施状态，帮助用户主动参与到电网调节中，提高用电经济性，节约资源降低能耗，加快电力市场机制发展，提升电网可靠性与稳定性。

用户可以自己决定是否参与需求响应，这决定了需求侧响应的效果依赖于用户用电行为与响应习惯。对需求侧全息数据的分析以及用户历史用电行为的深度挖掘，挑选出优质的潜在用户有利于提高需求响应的实施效率。

发明内容

本发明的目的是提供了一种电力需求响应潜力评估方法、系统及相关设备，可以较为准确地获得专变用户的需求响应潜力，为电力公司施行需求侧管理提供科学指导，用于筛选优质的参与需求响应的用户以及定向激励参与需求响应态度消极的用户。

为解决上述技术问题，本发明实施例提供了一种电力需求响应潜力评估方法，包括：

S1、构建基于STL算法的专变用户负荷分解模型，用于将专变用户的负荷进行分解获得负荷周期分量，所述专变用户负荷分解模型中的输入量为所述专变用户在响应日前的指定时长的负荷观测量；

S2、构建基于S-G滤波算法的负荷曲线平台功率确定模型，确定可代表负荷曲线平台的功率，经过S-G滤波算法处理后的所述负荷周期性分量中每一个局部极小值点可代表所在负荷曲线平台的功率；

S3，根据指定的需求响应的起始时间，利用所述专变用户负荷分解模型、所述负荷曲线平台功率确定模型确定所述负荷周期性分量在响应起始时间的实时负荷功率，对所有小于所述实时负荷功率的负荷曲线平台功率求差值，其中的最大值即为需求响应潜力功率。

其中，所述S1包括：

对所述专变用户的负荷作为输入负荷序列去除负荷趋势分量，对负荷子序列进行低通量过滤后得到负荷周期分量和负荷残余分量；

其中，所述负荷趋势分量代表所述专变用户的生产过程中多个预定的采样日的日内持续运行不切除的负荷，用于体现所述采样日的日间生产规模的变化；所述负荷周期分量代表从所述采样日中提取出的规律性用电负荷，用于反映日内生产或者营业的计划，体现日内用电负荷变化的规律；所述负荷残余分量代表计划生产之外的突发性负荷波动。

其中，所述S1包括:

通过负荷分量确定内循环；

计算鲁棒性权重项，以控制负荷分解的过程中数据产生异常值，并将权重值代入所述内循环中进行运算，实现鲁棒性权重平衡外循环；

在循环结束后，对所述负荷周期分量基于局部二次拟合进行后平滑。

其中，所述通过负荷分量确定内循环包括：

S11，对多日采样的负荷序列去除上次迭代的趋势量

S11，对每个负荷子序列进行LOESS回归处理，前后各延长一个循环周期，平滑参数为n

S12，对所述平滑结果

S13，获得多日负荷序列的周期分量，

S14，去周期，

S15，对

其中，

其中，所述计算鲁棒性权重项包括：

采用以下公式计算所述鲁棒性权重项，

δ

其中，v为负荷序列中负荷点的位置，δ

其中，在所述S3之后还包括：

判断所述需求响应潜力功率是否大于当前的最大负荷供应能力；

若是，增加所述最大负荷供应能力并输出警报信息。

除此之外，本申请的实施例还提供了一种电力需求响应潜力评估系统，包括：

专变用户负荷分解模型构建模块、用于构建基于STL算法的专变用户负荷分解模型，将专变用户的负荷进行分解获得负荷周期分量，所述专变用户负荷分解模型中的输入量为所述专变用户在响应日前的指定时长的负荷观测量；

平台功率确定模型构建模块、用于构建基于S-G滤波算法的负荷曲线平台功率确定模型，确定可代表负荷曲线平台的功率，经过S-G滤波算法处理后的所述负荷周期性分量中每一个局部极小值点可代表所在负荷曲线平台的功率；

需求响应潜力功率计算模块，用于根据指定的需求响应的起始时间，利用所述专变用户负荷分解模型、所述负荷曲线平台功率确定模型确定所述负荷周期性分量在响应起始时间的实时负荷功率，对所有小于所述实时负荷功率的负荷曲线平台功率求差值，其中的最大值即为需求响应潜力功率。

其中，所述专变用户负荷分解模型构建模块包括内循环确定单元、鲁棒性权重项计算单元、平滑处理单元；其中,

所述内循环确定单元，用于通过负荷分量确定内循环，对所述专变用户的负荷作为输入负荷序列去除负荷趋势分量，对负荷子序列进行低通量过滤后得到负荷周期分量和负荷残余分量，所述负荷趋势分量代表所述专变用户的生产过程中多个预定的采样日的日内持续运行不切除的负荷，用于体现所述采样日的日间生产规模的变化；所述负荷周期分量代表从所述采样日中提取出的规律性用电负荷，用于反映日内生产或者营业的计划，体现日内用电负荷变化的规律；所述负荷残余分量代表计划生产之外的突发性负荷波动；

所述鲁棒性权重项计算模块，用于计算鲁棒性权重项，以控制负荷分解的过程中数据产生异常值，并将权重值代入所述内循环中进行运算，实现鲁棒性权重平衡外循环；

所述平滑处理单元，用于在在循环结束后，对所述负荷周期分量基于局部二次拟合进行后平滑。

除此之外，本申请的实施例一种电力需求响应潜力评估设备，包括：

存储器和处理器；其中，所述存储器用于存储计算机程序，所述处理器用于执行所述计算机程序时实现如上所述电力需求响应潜力评估方法的步骤。

除此之外，本申请的实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上所述电力需求响应潜力评估设备方法的步骤。

本发明实施例所提供的电力需求响应潜力评估方法、系统及相关设备，与现有技术相比，具有以下优点：

所述电力需求响应潜力评估方法、系统及相关设备，通过采用STL算法将专变用户的负荷进行分解获得负荷周期分量，然后对负荷周期性分量经过S-G滤波算法处理，其中的每一个局部极小值点可代表所在负荷曲线平台的功率，最后根据指定的需求响应的起始时间，确定所述负荷周期性分量在响应起始时间的实时负荷功率，对所有小于所述实时负荷功率的负荷曲线平台功率求差值，其中的最大值即为需求响应潜力功率，通过该方法可以较为准确地获得专变用户的需求响应潜力，为电力公司施行需求侧管理提供科学指导，用于筛选优质的参与需求响应的用户以及定向激励参与需求响应态度消极的用户。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明提供的电力需求响应潜力评估方法的一个实施例的具体实施方式的步骤流程示意图；

图2为本发明提供的电力需求响应潜力评估方法的一实施例中的内循环确定的步骤流程示意图，

图3为本申请发明实施例提供的电力需求响应潜力评估系统的结构示意图；

图4为本发明的提供的电力需求响应潜力评估系统的一个实施例中基于STL算法的负荷分解结果及各部分分量示意图；

图5为本发明提供的电力需求响应潜力评估系统的一个实施例的基于S-G算法的负荷周期性曲线滤波前后对比图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参考图1～5，图1为本发明提供的电力需求响应潜力评估方法的一个实施例的具体实施方式的步骤流程示意图；图2为本发明提供的电力需求响应潜力评估方法的一实施例中的内循环确定的步骤流程示意图，图3为本申请发明实施例提供的电力需求响应潜力评估系统的结构示意图；图4为本发明的提供的电力需求响应潜力评估系统的一个实施例中基于STL算法的负荷分解结果及各部分分量示意图；图5为本发明提供的电力需求响应潜力评估系统的一个实施例的基于S-G算法的负荷周期性曲线滤波前后对比图。

在一种具体实施方式中，所述电力需求响应潜力评估方法，包括：

S1、构建基于STL算法的专变用户负荷分解模型，用于将专变用户的负荷进行分解获得负荷周期分量，所述专变用户负荷分解模型中的输入量为所述专变用户在响应日前的指定时长的负荷观测量；

S2、构建基于S-G滤波算法的负荷曲线平台功率确定模型，确定可代表负荷曲线平台的功率，经过S-G滤波算法处理后的所述负荷周期性分量中每一个局部极小值点可代表所在负荷曲线平台的功率；

S3，根据指定的需求响应的起始时间，利用所述专变用户负荷分解模型、所述负荷曲线平台功率确定模型确定所述负荷周期性分量在响应起始时间的实时负荷功率，对所有小于所述实时负荷功率的负荷曲线平台功率求差值，其中的最大值即为需求响应潜力功率。

通过采用STL算法将专变用户的负荷进行分解获得负荷周期分量，然后对负荷周期性分量经过S-G滤波算法处理，其中的每一个局部极小值点可代表所在负荷曲线平台的功率，最后根据指定的需求响应的起始时间，确定所述负荷周期性分量在响应起始时间的实时负荷功率，对所有小于所述实时负荷功率的负荷曲线平台功率求差值，其中的最大值即为需求响应潜力功率，通过该方法可以较为准确地获得专变用户的需求响应潜力，为电力公司施行需求侧管理提供科学指导，用于筛选优质的参与需求响应的用户以及定向激励参与需求响应态度消极的用户。

本申请对于负荷周期性分量的分解获得方式不做限定，在一个实施例中，所述S1包括：

对所述专变用户的负荷作为输入负荷序列去除负荷趋势分量，对负荷子序列进行低通量过滤后得到负荷周期分量和负荷残余分量；

其中，所述负荷趋势分量代表所述专变用户的生产过程中多个预定的采样日的日内持续运行不切除的负荷，用于体现所述采样日的日间生产规模的变化；所述负荷周期分量代表从所述采样日中提取出的规律性用电负荷，用于反映日内生产或者营业的计划，体现日内用电负荷变化的规律；所述负荷残余分量代表计划生产之外的突发性负荷波动。

本申请对于其提供滤波采用的滤波器不做限定，工作人员可以根据需要选择合适的滤波器。

由于在本申请中主要是采用STL算法将专变用户的负荷进行分解获得负荷周期分量，对于该过程中的具体计算过程不做限定，在一个实施例中，所述S1包括:

通过负荷分量确定内循环；

计算鲁棒性权重项，以控制负荷分解的过程中数据产生异常值，并将权重值代入所述内循环中进行运算，实现鲁棒性权重平衡外循环；

在循环结束后，对所述负荷周期分量基于局部二次拟合进行后平滑。

由于主要是通过内循环获得符合周期分量，对于其具体的计算过程不做限定，在一个具体的实施例中，所述通过负荷分量确定内循环包括：

S11，对多日采样的负荷序列去除上次迭代的趋势量

S12，对每个负荷子序列进行LOESS回归处理，前后各延长一个循环周期，平滑参数为n

S13，对所述平滑结果

S14，获得多日负荷序列的周期分量，

S15，去周期，

S16，对

其中，

本申请中包括但是不局限于上述的计算方法，工作人员还可以选择采用其它类型的计算方式。

本申请中鲁棒性权重项的计算以及运算过程不做限定，在一个实施例中，所述计算鲁棒性权重项包括：

采用以下公式计算所述鲁棒性权重项，

δ

其中，v为负荷序列中负荷点的位置，δ

本申请的主要目的在于计算获得用户的需求响应潜力，实现需求侧管理，提高管理效率，而不可避免的会出现供电力应不足的情况，因此需要对电力供应的负责实现适当的增加，从而提高用电户的用电可靠性以及满足用电量的需求，从而保证其正常的生产生活，因此，在一个实施例中，在所述S3之后还包括：

判断所述需求响应潜力功率是否大于当前的最大负荷供应能力；

若是，增加所述最大负荷供应能力并输出警报信息。

当然，需要指出的是，不同的企业或者单位由于管理、生产效率以及生产量等的变化，不仅会出现负荷增加的情况，也可能会出现用电负荷下降的情况，为了实现高效的用电管理，可以实现对不同用户的负荷动态管理，实现更高效率的用电管理。

在本申请汇总定义负荷曲线平台为专变用户生产中投入使用的设备组合不变的状态的功率范围，当投入新设备或者切除正在使用的设备时，负荷曲线会出现骤升或骤降，并达到新的负荷曲线平台。在负荷周期性分量中，一个负荷曲线平台上仍存在一定的负荷波动，且持续时间过短的负荷平台小于需求响应所需时间，不宜作为评估专变用户需求响应潜力的依据。

因此，利用S-G滤波算法确定可代表负荷曲线平台的功率。S-G滤波算法的原理即负荷曲线平台代表功率的确定如下。

经过S-G滤波算法处理后的负荷周期性分量中每一个局部极小值点可代表其所在负荷曲线平台的功率P

根据电力公司要求的需求响应的起始时间，确定专变用户的负荷周期性分量在响应起始时间的实时负荷功率，对于该用户所有小于其自身实时负荷功率的负荷曲线平台功率，求差值，最大值即为该用户的需求响应潜力功率。

除此之外，本申请的实施例还提供了一种电力需求响应潜力评估系统，包括：

专变用户负荷分解模型构建模块10、用于构建基于STL算法的专变用户负荷分解模型，将专变用户的负荷进行分解获得负荷周期分量，所述专变用户负荷分解模型中的输入量为所述专变用户在响应日前的指定时长的负荷观测量；

平台功率确定模型构建模块20、用于构建基于S-G滤波算法的负荷曲线平台功率确定模型，确定可代表负荷曲线平台的功率，经过S-G滤波算法处理后的所述负荷周期性分量中每一个局部极小值点可代表所在负荷曲线平台的功率；

需求响应潜力功率计算模块30，用于根据指定的需求响应的起始时间，利用所述专变用户负荷分解模型、所述负荷曲线平台功率确定模型确定所述负荷周期性分量在响应起始时间的实时负荷功率，对所有小于所述实时负荷功率的负荷曲线平台功率求差值，其中的最大值即为需求响应潜力功率。

由于所述电力需求响应潜力评估系统为上述的电力需求响应潜力评估方法对应的系统，具有相同的有益效果，本申请对此不做赘述。

本申请中对于采用STL算法进行负荷分解的过程不做限定，在一个实施例中，所述专变用户负荷分解模型构建模块包括内循环确定单元、鲁棒性权重项计算单元、平滑处理单元；其中,

所述内循环确定单元，用于通过负荷分量确定内循环，对所述专变用户的负荷作为输入负荷序列去除负荷趋势分量，对负荷子序列进行低通量过滤后得到负荷周期分量和负荷残余分量，所述负荷趋势分量代表所述专变用户的生产过程中多个预定的采样日的日内持续运行不切除的负荷，用于体现所述采样日的日间生产规模的变化；所述负荷周期分量代表从所述采样日中提取出的规律性用电负荷，用于反映日内生产或者营业的计划，体现日内用电负荷变化的规律；所述负荷残余分量代表计划生产之外的突发性负荷波动；

所述鲁棒性权重项计算模块，用于计算鲁棒性权重项，以控制负荷分解的过程中数据产生异常值，并将权重值代入所述内循环中进行运算，实现鲁棒性权重平衡外循环；

所述平滑处理单元，用于在在循环结束后，对所述负荷周期分量基于局部二次拟合进行后平滑。

本申请中，利用STL算法进行负荷分解的主要环节包含负荷分量确定内循环、鲁棒性权重平衡外循环和负荷周期分量后平滑三个部分。

(1)负荷分量确定内循环

在负荷分量确定内循环环节，对输入负荷序列去除负荷趋势分量T

①对多日采样的负荷序列去除上次迭代的趋势量

②对每个负荷子序列进行LOESS回归处理，前后各延长一个循环周期，平滑参数为n

③对子序列进行LOESS回归处理，即对②中的平滑结果

④获得多日负荷序列的周期分量：

⑤去周期：

⑥对

(2)鲁棒性权重平衡外循环

外循环的作用是计算鲁棒性权重项，以控制负荷分解的过程中数据产生异常值，并将权重值代入内循环中进行运算,设：

δ

其中，v为负荷序列中负荷点的位置，δ

(3)负荷周期分量后平滑

循环结束后，由于内循环中的平滑只在每一个窗口中进行，周期分量中的负荷会存在毛刺。在按照负荷采样时间将负荷序列整合在一起之后，整个负荷采样序列的平滑性不能保证。负荷周期分量的后平滑基于局部二次拟合，且不需要在loess中进行稳健性迭代。

经过STL分解后获得的三个分量，其中负荷趋势分量T

定义负荷曲线平台为专变用户生产中投入使用的设备组合不变的状态的功率范围，当投入新设备或者切除正在使用的设备时，负荷曲线会出现骤升或骤降，并达到新的负荷曲线平台。在负荷周期性分量中，一个负荷曲线平台上仍存在一定的负荷波动，且持续时间过短的负荷平台小于需求响应所需时间，不宜作为评估专变用户需求响应潜力的依据。因此，利用S-G滤波算法确定可代表负荷曲线平台的功率。

经过S-G滤波算法处理后的负荷周期性分量中每一个局部极小值点可代表其所在负荷曲线平台的功率P

根据电力公司要求的需求响应的起始时间，确定专变用户的负荷周期性分量在响应起始时间的实时负荷功率，对于该用户所有小于其自身实时负荷功率的负荷曲线平台功率，求差值，最大值即为该用户的需求响应潜力功率。

除此之外，本申请的实施例一种电力需求响应潜力评估设备，包括：

存储器和处理器；其中，所述存储器用于存储计算机程序，所述处理器用于执行所述计算机程序时实现如上所述电力需求响应潜力评估方法的步骤。

由于所述电力需求响应潜力评估设备的处理器用于执行所述计算机程序时实现如上所述电力需求响应潜力评估方法的步骤，具有相同的有益效果，本申请对此不作限定。

本申请对于电力需求响应潜力评估设备的类型不做赘述。

除此之外，本申请的实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上所述电力需求响应潜力评估设备方法的步骤。

同理，所述由于所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上所述电力需求响应潜力评估设备方法的步骤，具有相同的有益效果，本申请对此不作赘述。

本申请对于计算机可读存储介质的类型不做限定，可以是CDROM，可以是EEPROM，还可以是U盘，移动硬盘等存储介质，本申请对此不作限定。

在一个实施例中，用户所在行业为铸造业，在响应日前15天的负荷分解结果如图4所示。分析其负荷分解结果，由负荷周期性分量S

提取一日内负荷周期性分量并进行S-G滤波，该用户的负荷周期分量及经过S-G滤波结果如图5所示。

对比滤波前后，可发现微小负荷波动已被平滑，目的是不影响针对需求响应能力的负荷平台确定。在上午8:00附近出现的较大的负荷波动也被平滑了，这是合理的。虽然该波动产生的负荷差很大，但持续时间很短，通常并不能满足需求响应的持续半个小时及以上的削减负荷的要求。

最终，利用基于S-G滤波算法的客观需求响应能力确定模型得到的负荷平台有3个，对应的功率值分别为P

综上所述，本发明实施例提供的所述电力需求响应潜力评估方法、系统及相关设备，通过采用STL算法将专变用户的负荷进行分解获得负荷周期分量，然后对负荷周期性分量经过S-G滤波算法处理，其中的每一个局部极小值点可代表所在负荷曲线平台的功率，最后根据指定的需求响应的起始时间，确定所述负荷周期性分量在响应起始时间的实时负荷功率，对所有小于所述实时负荷功率的负荷曲线平台功率求差值，其中的最大值即为需求响应潜力功率，通过该方法可以较为准确地获得专变用户的需求响应潜力，为电力公司施行需求侧管理提供科学指导，用于筛选优质的参与需求响应的用户以及定向激励参与需求响应态度消极的用户。

以上对本发明所提供的所述电力需求响应潜力评估方法、系统及相关设备进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。