柔性负荷响应特性的超短期预测对策研究

吉洋

国家电网射阳县供电公司 江苏 射阳 224300

1 柔性负荷的分类

从宏观层面上，电力负荷有柔性负荷与刚性负荷之分，其相应的负荷特性曲线均是随时改变的。本课题研究中把柔性负荷分成可随时中断、可转移及可平移负荷三种类型。如果柔性负荷参与到智能电网控制领域且做出需求响应时，可以采用下式表示负荷模型；

2 建立负荷分解模型

结合区域电力负荷改变和电价之间形成的规律，由总负荷内分解出对电价不敏感的基础负荷，以及电价因素影响较大的敏感性负荷，以此为基础构建负荷分解模型：

其中，基础负荷主要由趋势分量与周期分量两大部分构成，前者代表的是再某一段实践中电力负荷呈现出的一种连续发展趋势状态，经济等是常见的影响因素，而无须顾虑气候、节假日以及随机因素，在短期负荷预测领域内可视趋势分量经常作为常数被处理。本课题研究中以传统负荷预测与某区域电力需求价值弹性分析为基础，线性拟合需求电价弹性曲线，随后采用如下公式便能获得预测日的基础负荷量：

3 短期预测模式

4 预测模型的检测验证

4.1 样本数据

4.2 测试执行方案

在本文选定的智能配电系统内，把学生宿舍用电数据作为实际案例，在四人间标准公寓内，已经固定配置的用电装置有空调与日光灯（共计4个），额定功率分别是1.5kW、30W，其他的用电设施配置情况带有一定不确定性，校内作息、日常生活习惯等因素均影响着学生群体用电量的高低。在样本数据内，选出两种数据（每天的24h用电量数据即每天的最大用电量数据）类型作为模型的训练数据，以上数据信息的选择具有随机性。

方案1：预测24h用电量。

在样本数据内，工作日、休息日分别选择2015年1月12日（周一）、2015年1月18日（周天），应用以上所选出两日的24h用电量数据作为模型的训练数据，并选择后一天的数据作为校验信息。

方案2：预测最大用电量。

数据原始样本数据集，2014年12月15日~2015年1月3日、2015年1月4日~2015年1月12日形成的最大用电量数据分别作为训练、测试数据。

4.3 统计负荷预测结果

本课题应用 Visual C++与Matlab编写出了模型测试软件，VC 平台主界面的功能主要集中在如下几点：一是查询既往数据；二是提取部分样本数据；三是执行模型的调用服务过程；四是运算出误差值。在VC平台的协助下能顺利完成所有预测结果的运算工作。

因为本高校学生的日常生活作息有一定规律可循，所以校园内用电负荷在某种程度上能表现出较大的相似性，可以解释原始样本数据的电力消费现象具备一定相似性特征的情况。本课题研究中把平均相对误差(MAPE)作为实例去分析与阐明负荷预测结果。

5 结束语

电力部门在后续的运营中，可以结合“黑匣子”理论思想，编制出差异化的“DR信号套餐”产品以供广大电力用户应用，最大限度提升需求响应的灵活性。本文基于“黑匣子”思想建设了ES-TF 模型，显著提升预测结果的精准度，使柔性负荷响应特性更具实时性特征，具备较高的参考价值。