技术新讯 > 发电变电,配电装置的制造技术 > 一种基于时间和价格敏感度的可调负荷弹性预测方法、系统、电子设备及可读存储介质与流程  >  正文

一种基于时间和价格敏感度的可调负荷弹性预测方法、系统、电子设备及可读存储介质与流程

  • 国知局
  • 2024-11-06 14:42:36

本发明属于电力系统负荷调节,尤其涉及一种基于时间和价格敏感度的可调负荷弹性预测方法、系统、电子设备及可读存储介质。

背景技术:

1、目前,为了充分挖掘用户侧可调节能力,提高电力系统的有效利用率。一般利用需求侧可调负荷的价格弹性机制,合理调整分时电价与需求响应激励价格,可以有效地引导电力用户的用电行为,以应对电力供需不平衡的问题。因而,需要针对分时电价机制和需求响应激励机制建立可调负荷的价格弹性模型,激励电力用户主动参与削峰填谷和新能源消纳,减少用电成本。

2、现有的可调负荷价格弹性建模包括两种方案:

3、1)通过价格弹性矩阵分析不同用户群体对电价变动的敏感度,并据此设计定价策略;

4、2)考虑到用户的行为和心理因素,如习惯、预期和感知价值,模拟基于用户心理的价格弹性模型。价格弹性模型正在逐渐成为电力市场和智能电网中不可或缺的一部分。

5、现有技术的缺点:

6、1、在传统线性价格弹性模型中,价格弹性随用户功率动态变化,但现阶段基于峰谷电价的负荷用电功率曲线难以挖掘用户真实的价格弹性信息,且未考虑到价格弹性会受到用户需求响应的上调和下调潜力约束。

7、2、在传统价格弹性模型中,未考虑到负荷弹性随时间的变化趋势,即在不同时间具有不同敏感性,影响预测精度。

技术实现思路

1、本发明提供一种基于时间和价格敏感度的可调负荷弹性预测方法,以至少解决现有技术中在传统价格弹性模型中,未考虑到负荷弹性随时间的变化趋势,即在不同时间具有不同敏感性,影响预测精度的问题。

2、方法包括:

3、s101:收集预设时间段内的负荷数据;

4、s102:对收集的负荷数据进行清洗,形成负荷数据集;

5、s103:对负荷数据集内的负荷数据进行初始化;

6、s104:对负荷数据进行误差分析;

7、s105:基于负荷数据集建立价格弹性模型和时间敏感度模型,通过历史数据进行参数优化和模型训练,并结合实际数据模拟在给定分时电价和需求响应激励下的负荷响应情况;

8、s106:获取日前行业功率预测数据;

9、s107:结合负荷预测结果实时调整模型参数,以消除价格弹性模型不确定性;

10、s108:通过动态调整后的参数修正价格敏感度模型和时间敏感度模型;

11、s109:根据的新能源出力预测情况和负荷预测情况计算需求响应缺口;

12、s110:根据电力市场提供的分时电价进行模型的输入更新;

13、s111:最终输出调整后的负荷响应功率,用于支持电力系统的需求侧管理或市场操作决策。

14、进一步需要说明的是,s102中的负荷数据清洗包括对异常值剔除和缺失数据填补。

15、进一步需要说明的是,s103中,基于以往经验选择初始参数,或者使用随机或均匀分布的方式进行初始化。

16、进一步需要说明的是,步骤s105中对负荷数据进行误差分析方式包括:计算预设时间段内拟合误差,使用均方误差、均方根误差来评估价格弹性模型和时间敏感度模型的拟合状态。

17、进一步需要说明的是,步骤s105还包括:建立考虑时间敏感度和价格敏感度的负荷弹性模型如下所示:

18、p(x,y)=h(x)+g(y)

19、式中:p为负荷需求响应功率;h为价格敏感度函数;g为时间敏感度函数;x为24小时价格变量矩阵;y为24小时时间变量矩阵;

20、变量x为分时电价和需求响应补贴:

21、x=[x1 x2...x24]+[zi]

22、式中:xi为时间段i的分时电价;zi为时间段i的需求响应补贴价格;i=1,2,3,…,24;

23、变量y为时间信息的高阶特征:

24、y=[1t t2 t3...tn]

25、式中:t为时间信息;n为捕捉时间信息的最高阶项。

26、进一步需要说明的是,方法中,量化用户在参与市场化交易时的价格敏感度,定义需求量的变化百分比与价格变化百分比之比:

27、

28、式中:p为用户的响应功率,q是电价变化;

29、结合敏感度公式z,建立了具有泛化特征的负荷需求响应模型,目的是实时计算负荷削减量或转移量:

30、pdr=z(pbase-pmax)

31、式中:pdr为需求响应功率;pbase为基线负荷或负荷预测功率;pmax为理论负荷可调能力上限。

32、进一步需要说明的是,步骤s108还包括:引入实时矩阵c到弹性模型p(q,t)中,根据负荷预测结果实时调整弹性模型,以消除同一电价下负荷功率波动的不确定性:

33、p'(q,t)=c[h(q)+g(t)]

34、式中:c为根据负荷预测结果实时调整的参数矩阵;

35、实时参数矩阵c如下所示,

36、

37、参数计算的目的是消除价格弹性模型的不确定型,具体如下:

38、

39、式中:p0(t)为负荷预测功率;δp(t)为实际负荷响应功率,t为24小时;

40、在实时参数调整后,考虑价格敏感度和时间敏感度的负荷价格弹性模型表示如下:

41、

42、式中:p'(q,t)为实时参数调整后的负荷弹性模型。

43、本技术还提供一种基于时间和价格敏感度的可调负荷弹性预测系统,系统包括:

44、用于收集预设时间段内的负荷数据的信息收集模块;

45、用于对收集的负荷数据进行清洗,形成负荷数据集的数据清洗模块;

46、用于对负荷数据集内的负荷数据进行初始化的初始化模块;

47、用于对负荷数据进行误差分析的数据分析模块;

48、用于基于负荷数据集建立价格弹性模型和时间敏感度模型,通过历史数据进行参数优化和模型训练,并结合实际数据模拟在给定分时电价和需求响应激励下负荷响应情况的模型建立模块;

49、用于获取日前行业功率预测数据的数据获取模块;

50、用于结合负荷预测结果实时调整模型参数,以消除价格弹性模型不确定性的参数调整模块;

51、用于通过动态调整后的参数修正价格敏感度模型和时间敏感度模型的模型调整模块;

52、用于根据的新能源出力预测情况和负荷预测情况计算需求响应缺口的负荷计算模块;

53、用于根据电力市场提供的分时电价进行模型输入更新的模型更新模块;

54、用于最终输出调整后的负荷响应功率,用于支持电力系统的需求侧管理或市场操作决策的负荷功率输出模块。

55、根据本技术的另一个实施例,提供了一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序时实现基于时间和价格敏感度的可调负荷弹性预测方法的步骤。

56、根据本技术的又一个实施例,还提供了一种可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现所述基于时间和价格敏感度的可调负荷弹性预测方法的步骤。

57、从以上技术方案可以看出,本发明具有以下优点:

58、本发明提供的基于时间和价格敏感度的可调负荷弹性预测方法考虑了电力用户参与需求响应的时间敏感度和价格敏感度问题,能够有效捕捉可调负荷价格弹性信息,以提升电力系统需求侧响应能力,并降低负荷的用电成本。采用了sigmoid函数和多项式模型的组合,降低了需求响应不确定性对价格弹性模型的影响,有效地提升了价格弹性模型的准确性。

59、本发明有效的解决了传统线性价格弹性模型中,价格弹性随用户功率动态变化,但现阶段基于峰谷电价的负荷用电功率曲线难以挖掘用户真实的价格弹性信息,且未考虑到价格弹性会受到用户需求响应的上调和下调潜力约束的问题。

本文地址:https://www.jishuxx.com/zhuanli/20241106/323664.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。