基于负荷弹性系数法的典型行业理论响应潜力评估分析

王洪莹,陶 鹏,李春睿,李 飞,张 超

(国网河北省电力有限公司营销服务中心,河北 石家庄 050021)

0 引言

随着分布式电源大规模接入电网及电动汽车、储能等负荷快速发展,电力供需平衡面临愈发严峻的挑战,需求响应作为解决电力供需矛盾的手段被广泛使用[1-2]。用户理论响应潜力评估是需求响应的重要基础,需求响应计划和策略制定时,事先需对用户侧理论响应潜力进行评估,以提高需求响应容量分配计划的准确性。文献[3]提出考虑信息价值的用户响应潜力评估方法,降低用户信息的准确度与传输过程中误差对需求潜力评估的影响。文献[4]提出一种基于模糊优化集对分析理论的需求侧用户响应潜力评估方法,对集对分析理论进行模糊优化,实现对用户响应潜力的初步量化。文献[5]将需求响应与家庭用电行为相结合,建立家庭用电响应模式及其数学模型,实现家庭智能、合理用电。文献[6]分析影响电力用户参与需求响应的关键因素,采用基于参数特征相似度的需求响应潜力评估方法。

以上文献在响应潜力评估方法方面做了大量研究,对响应潜力进行了定性或定量分析,执行者更关注具有需求响应潜力的行业或用户,筛选具有需求响应潜力的用户参与需求响应,使得更多的负荷得到削减或转移,从而实现削峰填谷的目的。本文从行业和用户负荷特性角度,基于负荷弹性系数法开展理论响应潜力评估,构建了面向不同用户、行业的理论需求响应潜力计算框架,并对典型用户和行业进行计算分析。

1 理论需求潜力及弹性负荷系数

1.1 理论需求潜力

需求响应潜力可以划分为理论响应潜力、技术响应潜力、经济响应潜力和可用响应潜力,如图1所示。

图1 需求响应潜力分类

上述4类响应潜力的适用范围与影响因素各有不同,需要建立不同的评估模型[7]。其中,理论响应潜力评估对筛选潜在的需求响应用户,提升参与需求响应能力具有重要作用。本文在用户以及行业层面利用负荷弹性系数法开展理论响应潜力计算分析。

1.2 负荷弹性系数

弹性系数分析是一种通过求解系统中某些变量之间的微分关系,从而得到因变量相对于自变量的变化敏感程度的方法[8]。本文利用负荷弹性系数可以有效衡量用户用电负荷可调整和迁移的程度,用电负荷的弹性大小可以用历史用电数据在各时段的均方差衡量。均方差的数学意义是反映数组内个体间的离散程度,负荷曲线均方差较大则代表用户历史用电负荷的相似度低,用户用电可选择使用时间段较多,负荷规律性不强或具有一定的灵活性,因此负荷的可供调整性比较高,该类用户的负荷弹性较强。以历史日负荷数据为基础,采用日负荷曲线均方差衡量负荷曲线的时间弹性的大小,用户在各时段的负荷弹性系数为

式中:E(t)为该用户负荷在第t个时段的负荷弹性系数;t()为该用户在第r天第t个时段的归一化用电负荷;(t)为一个月内第t个时段用电负荷的归一化平均值,可以求得用户用电负荷具有负荷弹性的时段,结合当前用电负荷曲线在峰谷时段的负荷率可以评估负荷响应潜力的大小。

2 理论需求潜力评估流程

针对行业理论需求响应潜力的评估,通过评估该行业每个用户的需求响应潜力,进一步汇总后得到该行业的需求响应潜力,具体的评估流程如图2所示。

图2 理论需求响应评估流程

(1)需求响应实施月份的选取。选择最大负荷日所在的月份。

(2)月平均负荷曲线的选取。将月内所有日负荷进行平均后,得到月平均负荷曲线,并对月度负荷数据进行归一化。

(3)需求响应实施时段的选取。通过统计得到该地区年最大负荷发生的时刻点,将该时刻点前后延拓得到间隔2 h的需求响应时段。同时选定夜间统调负荷最低的4个小时作为谷时段。

(4)用户负荷弹性系数的计算。由式(1)、式(2)可以求得用户用电负荷具有负荷弹性的时段。结合当前用电负荷曲线在峰谷时段的负荷率评估理论响应潜力的大小。

(5)用户的理论响应潜力大小受2个关键因素影响:峰时段负荷的响应潜力和谷时段负荷的响应潜力。这2个因素均受当前负荷峰谷时段的用电负荷和负荷弹性系数影响,其表达式分别为

(6)行业峰/谷时段响应潜力的计算。对该行业所有用户的响应潜力取平均值,得到该行业在峰/谷时段的响应潜力

式中:CF为该行业在峰时段的负荷响应潜力;CG为该行业在谷时段的负荷响应潜力;I为该行业的用户总数。

3 典型行业需求响应潜力分析

3.1 负荷数据处理

选取河北地区政府机构630户,居民用户1.8万户,住宿业220户,汽车制造业66户,利用用户全年15 min用电负荷数据进行行业响应潜力分析。在数据采集、传输和存储过程中,由于设备故障、通信异常等原因,可能引入大量不良数据,导致响应潜力评估结果出现偏差,进而影响理论响应潜力的实施,因此要对其进行辨识与修复。原始数据中不良数据实例如图3所示。

图3 不良数据实例

为了提高数据质量,保证响应潜力评估结果的准确性,提出了一种不良数据辨识与修复方法,其整体流程见图4。本文舍弃了用户数据不良率在10%及以上的用户,对于最终保留用户,采用线性插值方式对数据缺失值、连续重复数据及异常数据进行修复。

图4 数据修复处理整体流程

3.2 典型行业分析

以用户15 min负荷数据为基础,从工业、商业、居民和公共组织管理业4个行业大类,选取部分典型行业进行负荷特性与理论响应潜力分析。

3.2.1 政府机构

政府办公建筑的负荷主要集中在空调、照明、电脑、打印机、传真机等方面,其中,空调和照明消耗的电能最多,约占整体用电量的2/3。由典型日负荷曲线可知,其负荷峰值一般出现在正午时段和下午时段,负荷谷值一般出现在凌晨时段,通过计算其典型日负荷及理论响应潜力如图5所示。

图5 政府机构典型日负荷及理论响应潜力

3.2.2 居民

居民用电时段较为集中,各类家用电器的集中运行形成用电晚高峰。由居民典型日负荷曲线可知,其负荷峰值一般出现在正午时段和晚间时段,负荷谷值一般出现在凌晨时段,通过计算其典型日负荷及理论响应潜力如图6所示。

图6 居民典型日负荷及理论响应潜力

3.2.3 住宿业

住宿业的用电负荷主要为照明和空调,其耗能水平受季节、气候、节假日等的影响。由住宿业典型日负荷曲线可知,其负荷峰值一般出现在正午时段和晚间时段,负荷谷值一般出现在凌晨时段,通过计算其典型日负荷及理论响应潜力如图7所示。

图7 住宿业典型日负荷及理论响应潜力

3.2.4 汽车制造业

汽车制造业是典型的重工业产业,其用电需求具有电能需求量大、用电设备功率因数低、典型非线性负载以及冲击性负荷设备多、电能质量要求较高等特点,由典型日负荷曲线可知,负荷峰值一般出现在正午时段和下午时段,负荷谷值一般出现在凌晨时段,通过计算其典型日负荷及理论响应潜力如图8所示。

基于以上分析可以看出,利用负荷弹性系数法可以计算用户峰谷时段的理论响应潜力,通过对该行业所有用户取平均值,进一步得出行业理论响应潜力,其理论响应潜力和响应时间存在显著差异。在执行需求响应时,根据调控计划,参考各行业响应潜力特性,统筹协调不同行业可调资源,可显著提升需求响应执行成效。

图8 汽车制造业典型日负荷及理论响应潜力

4 结论及建议

本文提出基于负荷弹性系数的行业理论响应潜力精准评估方法,并选择典型行业进行了计算分析,得出以下结论:负荷弹性系数法适用于用户理论响应潜力评估,可辨识用户用电负荷在时间上变化的灵活性和可控性;不同行业由于其负荷特性差异,峰谷时段响应潜力和响应时间差别较大,可在制定电网需求响应计划、安排备用容量时予以考虑。

限于数据原因,本文未将理论响应潜力评估细化到用户设备这一层级。随着负荷识别技术的发展,未来可在获取居民用户家中冰箱、洗衣机、电视机、照明灯具等设备用电负荷情况的基础上,结合电价等影响因素进一步分析用户具体设备的响应潜力。还可开展与其他理论响应潜力评估方法在计算准确性、适用性方面的对比分析。