一种新型电力系统负荷控制的辅助决策方法

技术领域

本发明提供了一种新型电力系统负荷控制的辅助决策方法，属于电力系统负荷调度技术领域。

背景技术

新能源装机容量的不断提升，为电网提供了充裕的清洁绿色电量，但是由于新能源发电自身存在的间歇性、随机性和波动性等特点也大幅度削弱了发电侧的灵活调节能力，给电力系统带来巨大的电能平衡压力。尤其在恶劣天气、煤电价格、迎峰度冬等重要因素影响下，“源荷互动”模式将有效推动负荷紧急控制决策，保障民生电力安全稳定运行。

传统的负荷控制通常考虑由电网频率稳定性引起的大规模负荷控制，主要用于大电网的稳定性研究。新型电力系统的“源荷互动”模式中，负荷控制主要考虑由新能源发电带来的电网电量缺口从而引起的负荷侧主动、提前预警和响应情况，以解决新型电力系统的发展问题。对于地区电网的负荷控制，应当有大量、多元的用户群体参与到需求响应中，同时制定高效的控制方案，电网调度和负荷用户深度参与，以保证电力的安全、可靠、有效供应。

地区电网中，不同用户行业的负荷特性导致负荷控制和调节方式存在较大差异。传统的化工、冶炼等高耗能行业负荷仍是重要的社会经济发展的重要组成部分，在负荷控制中如何友好、合理地对该类负荷进行控制成为主要考虑因素，在考虑行业负荷特性的同时，还要兼顾负荷控制的时间、社会经济的成本损失以及民生用电的安全可靠等诸多因素。因此，在新型电力系统中亟待探索充分考虑负荷变化特性，同时兼顾负荷控制多元目标的负荷控制方法。

发明内容

本发明为了解决新型电力系统中新能源出力不足引起的地区负荷难以紧急控制的问题，提出了一种新型电力系统负荷控制的辅助决策方法。

为了解决上述技术问题，本发明采用的技术方案为：一种新型电力系统负荷控制的辅助决策方法，包括如下步骤：

S1：确定参与负荷控制的N个用户，构建相关负荷曲线历史数据库，根据相关负荷曲线历史数据库进行拟合函数的选择和确定；

S2：确定地区电网功率控制指标ΔPc；

S3：根据N个用户负荷曲线的拟合函数、负荷控制时间、经济电量损失建立多目标函数模型；

S4：基于水循环算法对多目标函数模型进行寻优计算求解；

S5：根据最优解形成N个用户负荷控制的最优方案。

所述步骤S1具体包括如下步骤：

S11：根据地区电网用户负荷的变化特性将负荷进行分类，负荷曲线的表达式如下：

P

上式中：

S12：根据负荷曲线数据，提取负荷曲线正常变化阶段的数据构建函数拟合数据库，其表达式如下：

；

上式中：Δ

函数拟合数据库中负荷曲线每次取值的数据集的表达式如下：

；

上式中参数需要满足如下条件：

；

上式中

S13：采用负荷历史批量曲线数据构建函数拟合的数据库，负荷历史批量曲线数据的表达式如下：

；

上式中：Δ

S14：采用幂函数、指数函数和对数函数来对用户负荷曲线进行有效拟合，确定合适的拟合函数和参数，拟合函数的表达式如下：

；

上式中：a、b为函数的参数。

所述步骤S14中确定合适的拟合函数的步骤如下：

S1401：取负荷历史批量曲线数据中的某次取值数据集用于确定负荷曲线的拟合函数；

S1402：根据拟合序列计算拟合函数的拟合优度；

S1403：根据拟合优度确定拟合函数类型。

所述步骤S14中确定合适的拟合函数的参数的步骤如下：

S1411：在确定拟合函数之后，重新拟合构建参数b值数据库，基于曼哈顿距离的聚类算法确定参数b值；

S1412：确定参数b值后重新拟合计算拟合优度，根据拟合优度最优和最低值确定参数a值的区间；

S1413：最终确定拟合函数以及参数a、b的取值。

所述基于曼哈顿距离的聚类算法确定参数b值的步骤如下：

S14121：确定数据集B，样本数m，设定样本组数p，取相应的样本中心b

S14122：计算曼哈顿距离；

S14123：根据聚类中心和曼哈顿距离进行聚类分组；

S14124：重新计算聚类中心；

S14125：重新计算曼哈顿距离；

S14126：经过步骤S14122-S14124的重新迭代，当聚类中心不变时，此时的聚类中心为确定的b值。

所述步骤S3中构建的多目标函数模型的表达式如下：

；

；

上式中：

上述多目标函数模型的约束条件包括平衡约束和不等式约束，其中平衡约束的表达式如下：

；

不等式约束的表达式如下：

；

上式中：a

本发明相对于现有技术具备的有益效果为：

1. 本发明遵循新型电力系统“源网荷互动”的新型模式对负荷控制进行研究，针对新能源为主体的电网运行缺点提出地区负荷控制的对策，保障新型电力系统的安全稳定运行。

2. 本发明提出根据负荷瞬时变化趋势进行分类的思路，主要从电网运行的角度出发，兼顾负荷的用户行为、市场影响等综合因素，充分提升了负荷控制的调节性和灵活性。

3. 本发明提出负荷曲线的拟合方法，采用拟合优度、基于曼哈顿距离聚类等方法进行最优函数的选择，提高的负荷控制的准确性。

4. 本发明从负荷控制的时间和电量损失进行数学建模，基于水循环算法进行最优求解，兼顾了新型电力系统负荷控制的时效性和经济性。

附图说明

下面结合附图对本发明做进一步说明：

图1为本发明方法的流程图；

图2为负荷曲线的拟合函数计算的流程图；

图3为基于曼哈顿距离的参数b值聚类计算的流程图；

图4为基于水循环算法对多目标函数模型进行寻优计算求解的流程图。

具体实施方式

如图1至图4所示，本发明依据电网的电量缺口确定地区电网负荷控制计划，结合电网限电序位表和能源高耗能企业选拉序位表中用户名单进行负荷控制。本发明采用负荷控制名单用户的历史运行数据对其负荷变化率进行拟合，主要采用幂函数、指数函数和对数函数三类函数进行负荷变化率的拟合。根据负荷控制的时间、指标、电量损失等多个目标建立多目标函数模型，通过多目标函数模型的优化求解得到地区电网负荷控制的最优化组合，制定地区电网负荷控制最优方案，为电网调度运行提供可靠、有效、科学、合理的辅助决策，推动新型电力系统的安全稳定发展。

本发明提出的新型电力系统负荷控制的辅助决策方法的流程如图1所示，需要先确定地区电网可控负荷的N个用户（依据能源局高耗能企业、电网有序用电相关文件标准）；构建N个用户的负荷曲线历史数据库，计算相关的负荷曲线的拟合函数：d

本发明首先根据地区电网负荷的变化特性将负荷进行分类，负荷的变化特性主要指在短时间内负荷的正常变化规律，本发明中采用负荷的变化率来表示，较为明确的表示用户或某个行业的负荷正常变化特性。

其中负荷曲线的表达式为：

；

上式中：Δ

函数拟合数据库只考虑负荷减小趋势下的变化数据，负荷曲线每次取值的数据集如下：

；

上式需要满足的条件如下：

；

函数

因此，采用历史批量负荷曲线数据构建函数拟合的数据库：

；

上式中：Δ

本发明采用幂函数、指数函数和对数函数来对负荷曲线进行有效拟合，最终确定合适的拟合函数和参数，拟合函数的表达式如下：

。

采用拟合优度确定负荷曲线的拟合函数，并筛选出函数参数的区间范围，具体流程如下：

第一步：对于负荷曲线数据：

。

第二步：根据拟合优度确定最优拟合函数：

计算拟合序列：

；

则对应的拟合函数的拟合序列为：

；

相应的负荷曲线数据为：

则拟合优度的计算如下：

数据总平方和SST计算：

；

；

拟合序列和数据序列的残差平方和SSR计算公式如下：

；

则对于负荷曲线的第j个数据序列的拟合优度R

；

对于负荷曲线历史数据库中的拟合优度集合为：

。

第三步：拟合函数类型的确定：

拟合优度R

；

其中R

则根据负荷曲线m组曲线数据中三类拟合函数最优拟合优度所占比例确定最优拟合优度，即：

；

；

第j组负荷曲线数据序列的拟合优度取三类函数拟合优度中的最大值，即最接近于1的值，其中负荷曲线历史数据库中m组负荷曲线数据序列的最优拟合优度中三类函数所占比例为

第四步：根据拟合函数及拟合优度确定函数参数的范围：

影响用户的负荷降低时间等自然因素很多，如行业生产特点、人为操作、环境等诸多因素，因此，对于拟合函数中的参数a和b值，若取唯一值则忽视这些自然因素。因此，本发明需要确定拟合函数中参数a和b值的参数区间。

由于b值和a值对函数的意义不同，因此先对b值进行计算。在确定拟合函数之后，使用该拟合函数对负荷曲线进行重新拟合，得到拟合之后的参数值：

；

对b值进行聚类计算选取聚类中心作为b值。

第五步：采用基于曼哈顿距离的聚类算法对b值进行选取。主要流程如图3所示，具体步骤如下：

（1）确定数据集B，样本数m个，设定样本组数n（通常取1，必要时可取2或3），取相应的样本中心b

（2）计算曼哈顿距离，即：

（3）根据聚类中心和曼哈顿距离进行聚类分组；

（4）重新计算聚类中心：

上式中第n个聚类中含有h个元素，则聚类中心调整为该聚类中所有元素之和的平均值；

（5）重新根据步骤（2）中的公式计算曼哈顿距离；

（6）经过（2）、（3）及（4）的重新迭代，当聚类中心不变时，即算法收敛，此时聚类中心为确定的b值。

第六步：根据确定的b值，重新对用户负荷曲线进行拟合，得到拟合优度：

；

根据拟合优度选择参数a的取值范围，即：

a值的上限为最优拟合度最优时对应的值：

；

a值的下限为最优拟合度最低时对应的值：

；

最终得到负荷曲线的拟合函数：

。

在确定负荷曲线的拟合函数之后，根据N个用户负荷曲线的拟合函数、负荷控制时间、经济电量损失建立多目标函数模型，考虑完成负荷控制的同时，兼顾控制时间、经济损失。其中建立的多目标函数模型如下：

；

；

多目标函数模型的约束条件包括：

（1）平衡约束：

；

不等式约束：

。

最后采用水循环算法对多目标函数模型进行寻优计算求解；根据最优解形成N个用户负荷控制的最优方案，采用水循环算法对多目标函数模型进行寻优计算求解的流程如图4所示，具体步骤如下：

第一步：初始化降雨过程，通过随机产生水滴的位置来模仿降雨的过程，初始雨滴的形成为：

；

上式中：X为算法随机产生的水滴集合，水滴元素x

；

上式中：x

所以，X可表达为：

；

上式中，水滴集合X的维度为s×N的矩阵。

同时考虑每个元素的约束条件表达为：

；

上式中：L和U表示下三角和上三角单位矩阵，rand表示随机矩阵的生成，B

第二步：河流和溪流数目计算，根据适应度函数对水滴群进行分层计算，适应度函数依据目标函数和来表示：

。

根据适应度函数的值进行筛选，适应度最优的个体水滴为海洋，次最优的水滴个体为河流，剩余水滴个体作为溪流，则更新之后的水滴群X为：

；

上式中：x

在海洋和河流的形成中，水滴种群的流动就是个体的寻优过程，其中流动密度表示流向某个海洋和河流的溪流个数N

。

第三步：汇流操作，汇流模仿的是大自然中溪流的流入河流或直接流入海洋，河流的流入海洋的过程。溪流向河流和海洋不断靠近，到达新的位置，具体表达式如下所示：

；

；

；

其中，C为位置更新系数，1

在汇流操作位置的更新后，计算并比较此时的适应度值，重新进行筛选。

若某溪流比某河流适应度值更优，则溪流变为河流，河流变为溪流；同理，溪流和海洋，河流和海洋的比较后，此时更新海洋、河流和溪流。

第四步，蒸发和降雨过程，随着迭代计算，溪流和河流也越来越靠近海洋，最优个体逐渐出现，但是为了防止种群陷入早熟，最优个体为局部最优个体，因此进行蒸发和降雨过程，即当河流距海洋的距离小于d

当有：

则：

蒸发之后进行降雨，提高海洋全局或海洋周围的寻优能力，即：

；

该式为全局进行溪流形成过程，该式的物理意义同降雨操作的物理意义一致。

；

该式为从海洋周围及最优个体周围进行搜索，搜索范围为N

本发明可以为电网调度提供高效、可靠、有效、科学、合理的辅助决策，促进了新型电力系统的安全、稳定构建和发展。

关于本发明具体结构需要说明的是，本发明采用的各部件模块相互之间的连接关系是确定的、可实现的，除实施例中特殊说明的以外，其特定的连接关系可以带来相应的技术效果，并基于不依赖相应软件程序执行的前提下，解决本发明提出的技术问题，本发明中出现的部件、模块、具体元器件的型号、相互间连接方式以及，由上述技术特征带来的常规使用方法、可预期技术效果，除具体说明的以外，均属于本领域技术人员在申请日前可以获取到的专利、期刊论文、技术手册、技术词典、教科书中已公开内容，或属于本领域常规技术、公知常识等现有技术，无需赘述，使得本案提供的技术方案是清楚、完整、可实现的，并能根据该技术手段重现或获得相应的实体产品。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。