基于SOM分类的居民用电需求响应特性提取系统设计

2021-11-10冯颖卢婕刘向向田静

电子设计工程 2021年21期

冯颖，卢婕，刘向向，田静

（国网江西省电力有限公司供电服务管理中心，江西南昌330001）

需求响应（DR）技术是一种智能电网核心技术，通过需求响应能够充分挖掘负荷侧资源，对资源进行综合配置。对比发电侧，需求侧的负荷数量庞大，通过专业技术能够评估用户的需求潜力，整合分散需求响应资源，此为实施需求响应、调用负荷侧资源的基础。在电力市场不断发展的过程中，负荷聚合商（LA）的核心竞争力为合理且高效的负荷聚类技术，聚合对象对合适用户与负荷进行选择，充分挖掘负荷侧响应潜力，为电力市场提供多辅助服务，从而提高负荷经济价值[1]。分时电价（TOU）是以价格为基础的需求响应措施，能够反映系统不同时间段供电成本差价，能够调节用电峰谷差，缓解电力紧张的形势[2]。因此，对居民用电需求响应特征提取系统的设计进行分析具有重要意义，能够掌握各用户需求响应特征，为需求响应措施的制定提供理论基础。

1 需求响应特征量

在需求响应分析的过程中，要重视主要特征量，比如负荷恢复时间、需求响应速度、需求响应量等。文中基于分时电价用户响应，通过相应需求量对特征量进行定义。

1.1 分时响应量

分时响应量为电力用户分时电价基本特征量，表示为RQeh，指的是用户在不实施和实施分时电价时，日负荷曲线不同时间段的负荷量差值，在不同时段展现基本响应特征[3]。

1.2 多时段综合特征响应量

为了对不同时段用户负荷的综合响应特征进行分析，要对多时段综合特征响应量进行定义，表示为RQmh，表1为多时段综合特征量CCmh。基于分时电价，峰平谷各时段变化量、日负荷率变化量、峰谷差变化量为主要多时段综合特征响应量。另外，在早晚系统负荷时，用户负荷上升阶段平均小时负荷表示为用户爬坡段负荷水平，因为受到分时电价影响，变化量就是爬坡段负荷水平响应量[4]。

表1 多时段综合特征量CCmh

2 特征提取研究

2.1 神经网络算法

神经网络通过大量神经元相互连接，对大脑神经元信息处理方式进行模拟，使信息朝着复杂网络系统转变，从而创建显式函数无法表达的输入和输出复杂映射关系。图1为网络结构，通过输出层、隐含层、输入层构成，输入层和隐含层具备非线性映射关系，输出层和隐含层映射关系为线性特点。同层各单元相互连接，任意两层的单元相互连接。每个单元节点输入都为相邻的每层，上层节点输出通过激励函数映射后属于输出层外全部节点输出，假设隐含层第i个单元节点输出[5]表示为：

图1 网络结构

公式中的k指的是隐含层数量，输出层节点输出表示为：

式中，wij指的是第i个隐含层神经元到第j个输出层单元权重，共有N个输出节点，yi指的是第j个单元输出。

通过上述神经网络模型创建用电特征和调峰潜力之间的映射关系，此神经网络模型通过多层神经元构成前馈网络，此网络通过多个节点创建有向图，每层和下一层连接其下层[6-7]。

2.2 用户调峰潜力评估的流程

图2为用户调峰潜力评估流程，主要包括3 个模块：

图2 用户调峰潜力评估流程

1）收集居民用户数据与无导向系数编码，构成基本字典；

2）对居民家用电器特征和用电行为进行分析，得出筛选表征高峰时段用电行为基向量的条件，通过筛选基础字典得出特征字典。之后，将基于特征字典作为基向量实现用户导向编码，得出用户用电特征，也就是稀疏编码系数A’。

3）将稀疏编码系数作为输出，创建MLP 神经网络，得出待评估用户调峰潜力[8]。

因为居民用户行为存在周期性的特点，所以海量数据的特征字典对于同个区域用户存在普适性。通过少量样本数据训练得出神经网络之后，创建用户特征到用户调峰潜力映射，因为选择随机样本，训练得出的神经网络也具备普适性。所以，构成特征字典之后创建神经网络，在新用户调峰潜力评估中使用，避免重复工作。并且由于该过程只需要对待评估系数编码系数进行更新，不仅能够提高工作效率，还能够提高数据传输安全性、有效性，降低数据通信与运算压力[9]。

3 系统构成

用户响应子站处于需求响应用户侧，是需求响应系统和电力公司需求响应中心的桥梁，此子站包括策略模块、控制模块、响应信息模块、设置模块、监测模块。信息模块对蓄电池和信息模块需求响应系统实现各需求响应信息的发送与接收。策略模块具备预先设置需求响应策略，在对需求响应信息接收之后，子站以此策略决定是否响应需求。监测模块能够存储需求响应信号并且分析，对需求响应事件过程与结果进行检测。设置模块为用户利用终端访问设备，设置需求响应项目、策略与事件[10]。

电力公司需求响应系统中各需求响应信号利用电力系统专网与公用网络，发送用户蓄电池需求响应。需求响应子站中信息模块接收信号，利用策略模块到控制模块中，使控制信号通过电力线或者无线通信的方式发送到用户蓄电池需求响应控制系统中，控制蓄电池充电，使蓄电池进行需求响应[11-12]。图3为用户需求响应系统通信网络模型。

图3 用户需求响应系统通信网络模型

需求响应控制单元对需求响应控制信号进行接收，对充电控制电路开闭进行控制，以此对蓄电池充电进行控制，从而使蓄电池参与到需求响应事件。需求响应控制模块实现无线控制信号的发送，此控制单元通过充电控制电路，对交流电源控制。充电结束或者终止之后，需求响应控制单元将反馈信号发送到子站[13]。然后通过解调电路，将信号发送到蓄电池控制器需求响应控制单元，对蓄电池充电进行控制。在电力线载波解调之后，通过直流变换电路变压后产生直流电。充电终止或者结束之后，需求响应控制单元通过电力载波通信模块将响应反馈信号发送到需求响应控制模块[14]。

4 算例分析

4.1 基于SOM分类的需求响应潜力

以50 户居民用户为例实现响应潜力分析，图4为用户全天响应潜力值的分布，在夜间的用电功率和需求响应潜力值都要比白天低，在白天用电高峰时段的需求响应峰值比较集中[15]。

图4 用户全天响应潜力值的分布

电价型和激励型的需求响应具备晚高峰时段，大响应潜力一共有27 个用户激励型需求，其他用户具有较大的电价型响应潜力，将两种响应特性作为激励响应与电价响应的高潜力型。利用以上算法开展用户激励，并且通过取平均值的方法得到同个类别用户潜力曲线的聚类中心[16]。图5和图6分别为激励、电价响应高潜力型分类，图7为两种类型用户晚高峰的响应潜力值。

图5 激励响应高潜力型分类

图6 电价响应高潜力型分类

图7 两种类型用户晚高峰的响应潜力值

4.2 优化聚合

使不同响应等级的单位电量市场惩罚价格高于时段电价，提高响应等级，增加惩罚价格[17]。激励响应高潜力型4 个响应等级惩罚价格为0.6、0.65、0.68、0.70 元·（kW·h）-1，电价响应高潜力型4 个响应等级惩罚价格为0.5、0.55、0.58、0.60 元·（kW·h）-1。

根据上述规定，利用Matlab 编程求解得到LA 最大市场补偿收益用户聚合的选择方法，有6 名用户的违约百分比在13%，此用户无法参与聚合，只对其他36 个聚合用户进行选择。表2为聚合用户响应等级、编码和资源等级，一个季度补偿收益为14.25 万元，根据统一补偿价格得到1 996.65 元的收益[18]。