基于用户端电力需求需量节能优化调控方法研究

熊福龙

(国网冀北电力有限公司 唐山市丰润区供电分公司,河北 唐山 064000)

1 引 言

目前人们对于用电量的供给服务提出了更高的要求。在电力输送负荷逐渐增大,而用电能源越来越稀缺的情况下,如何高效地将电资源分配给各个用电客户端,成为当前探讨的热门话题[1-3]。智能电网概念由此产生,并且依据其先进的技术对整个电网进行整合,实现电能与信息资源的灵活互动。针对目前电力需量的优化调控方法中所存在的漏洞,急需提出一种新型的用户端电力需量优化调控方法。

文献[4]提出基于物联网技术的用户端电力需量优化调控方法。该方法首先基于物联网技术对用户端的主体内容进行分析;根据分析结果构建电力需量优化调度模型;最后依据模型完成对用户端电力需量优化调控。该方法具有较高的可行性,但在对用户端电力需量进行优化调控时的用电量花费较高。文献[5]提出基于电力需量优化调控系统的用户端电力需量优化调控方法。该方法首先对用户端电力需量的相关数据进行实时计算和分析,依据分析结果开发电力需量优化调控系统;最后利用该系统完成用户端电力需量的优化调控。该方法的实际应用效果较好,但该方法存在用户端电力需量负荷值误差较大。为解决上述用户端电力需量优化调控方法中存在的问题,提出基于需求侧管理的用户端电力需量优化调控方法研究。

2 数据预处理

本文对电力用户的电力需量优化调控方法进行研究,电力用户包括两种类型,分别是居民生活用电和大工业用电。采用二维小波阈值法[6-8]对用户端的电力需量数据进行去噪处理。

2.1 确定阈值

去噪效果是否理想与电力需量的阈值大小有直接关系。在选取电力需量阈值时若选定阈值过大,去噪效果会较好,但是同时会将电需量数据中的其他有效信息去除。若选取阈值较小,又会达不到去噪的效果,所以选取适当的电力需量阈值是去噪的关键[9-10]。

利用固定的阈值门限准则选取电量数据去噪的阈值,首先利用固定的阈值门限准则确定用户端电力需量的阈值门限T,计算过程如式(1)所示:

(1)

式中:N为电力需量数据的长度;σ为数据中的噪声信号。噪声信号可以通过高频系数中分解的中值进行估计,过程如式(2)所示:

(2)

2.2 去噪处理

阈值函数分为软阈值函数与硬阈值函数两种。软阈值准则是将小波系数中小于阈值的系数设定为0,大于或等于阈值本身的数据用式(3)进行表示:

(3)

硬阈值准则是将小波系数中小于阈值的系数进行保留,把小于阈值的小波系数设定为0,表示方法如式(4)所示:

(4)

依据式(3)～式(4),对两种阈值的函数曲线进行描绘,函数曲线如图1所示。

(5)

式中:μ为引入的加权因子。通过计算可知,运用加权的方法对阈值函数进行表示,不仅获取的函数值连续,而且还是小波阈值内的高阶导数[11]。

最后通过获取的阈值函数,对用户端的电力需量数据信息进行去噪处理。

将用户端电力需量数据中带有噪声的数据f(k)进行小波变换;其变换后的数据分解,过程如式(6)所示:

(6)

式中:cj,k为电力需量数据的尺度系数;dj,k为分解的电力需量数据;h,g为滤波设备;N为电力需量数据点;j为分解的层数。

(7)

式中:cj-1,n为获取的重构电力需量数据。依据计算结果完成用户端电力需量数据的去噪。将去噪的电力需量进行整合,获取完整的电力需量数据。

3 电力需量优化调控方法

需求响应有利于电网平稳运行,能提升消费者的电能质量并且减少事故率。如果带电网出现不平衡的情况,会引发继电保护,出现电机转速不均匀、电控制设备紊乱等现象,严重会造成电气设备损坏。现代工业用电中,若某个电气设备损坏,整个工厂的流水线会中断,损失难以想象。对于居民生活的用电器,长期处在不平衡电压下会严重影响电器使用寿命。

基于电力需求侧管理理念对用户端电力需量负荷进行分类,并计算出用户端电力需量的控制权值、负荷优先级权值、动态需量负荷权值以及调控次数权值,最后将其进行整合获取最终用户端电力需量调控设备的目标调控函数,并通过该函数对用户端电力需量调控设备进行优化,从而完成可对用户端电力需量的优化调控。

首先依据实时电力需量负荷计算出电力的实时需量,在需量超出指定值时启动需量的控制计算,选取合适的电力需量负荷对其进行调控。

3.1 负荷需量控制权值

电力负荷拥有周期特性,电力负荷的周期性变化具有任意分量,在运行期间周期值会发生变化。电力负荷拥有季节性特性,季节变化带来的环境变化对电力负荷变化影响很大[14-16]。综上所述,为了应对电力负荷变化带来的影响,需要考虑负荷权值对电力进行调控。

在对用户端电力需量优化调控时,调控的过程中存在先后顺序,所以构建用户端电力需量模型时要先对优先级函数进行设置,函数的表现形式如式(8)所示:

C(m)=eN-m

(8)

式中:C(m)为电力需量同类负荷优先级m的优先权值;N为分类电力需量的最大优先数据。

对用户端分类电力需量负荷的权值函数进行定义,过程如式(9)所示:

W(i)=eN(i-1)

(9)

式中:W(i)为i类电力需量负荷的控制权值,且1≤i≤4。

用户端电力需量负荷的优化调控权值函数如式(10)所示:

K(i,m)=W(i)C(m)=eN(i-1)+N-m=eNi-m

(10)

式中:K(i,m)为用户端电力需量i类优先级m的负荷需量调控权值。四类优先级中数值为1的负荷权值为最高权值。

3.2 动态负荷

当用户端的电力需量优化调控权值一致时,同类电力需量负荷都要进行需量的调节,从成本上来说,调节的次数越少,产生的影响越小[17]。

用户端电力需量的动态负荷权值函数表达式如式1(1)所示:

(11)

式中:ΔP为用户端电力需量的调控值;Pdev为设备的需量当前负荷值;MD为负荷的契约需量;Pall为当前所有的用户电力需量的全部负荷值。

当用户的电力需量负荷能够满足需求侧管理要求的情况下,用户若还需降低需量,则需使当前的电力需量负荷值小于负荷的契约需量,令MP-Pall>0,ΔP>0。当电力需量满足不了侧管理的需求时,电力需量的负荷一定大于其契约需量,这时MP-Pall<0,ΔP>0。电力需量的不等式关系则如式(12)所示:

e0≤L(ΔP)≤e1

(12)

3.3 电力需量的负荷调控权值

与相同类型的电力需量负荷的优先级来说,一定时间内,电力需量优化调控次数的多少,决定其调控的概率。调控的概率通常情况下不会超出上一类型的需量负荷,但是可能会超出上一类型需量的优先级负荷。

用户端电力设备的调控权值大小用式(13)进行表示:

(13)

式中:T(con)为用户端电力需量的当前需量负荷设备调制次数权值;maxcon为调控的最大值;con为设备已经需量进行的调制次数。用户端电力需量的需量调制次数权值要满足式(14):

e0≤T(con)

(14)

3.4 计算电力需量

利用时间尺度的电力需量负荷平均值对用户端的电力需量进行测试,通过计算结果快速获取电力需量的负荷峰值,提前对用户端的电力需量进行调制。由于计算出的电力需量负荷峰值有可能与实际电力需量不一致,所以要将时间尺度进行适度缩减,从而提升电力需量峰值时的计算精度[18-20]。

时间尺度可依据实际情况从原来的15 min缩减到10 min或5 min,若缩减为其他时间尺度会增加多余的需量调控,增加不必要的成本。

若想在用户端电力需量调控时减少调控次数,可以适当对用户端电力需量进行估算。根据用户端电力需量的历史数据变化规律对用户端电力需量的负荷进行估算,依据估算的结果来提前开启或终止用户端电力需量的调控。

3.5 最优调控目标函数

对用户端电力需量进行调控时,对上述获取的用户端电力需量的控制权值、电力需量的负荷优先级权值、动态需量负荷权值以及调控的次数权值进行综合考虑,获取最终用户端电力需量调控设备的目标调控函数,过程如式(15)所示:

(15)

式中:f(ld)为电力传输设备的目标调控函数[21-23];ld为电力需量的调控负荷设备。整个用户端电力需量的优化调控过程如图2所示。

图2 用户端电力需量优化调控流程

通过上述步骤,根据需求侧管理理念,分类用户端电力需量负荷,计算、评估并判断各项电力需量。利用时间尺度,计算电力需量分类负荷权值和优先级,获取整合计算结果,获取动态需量负荷权值、调控次数权值和目标函数,由此实现基于需求侧管理的用户端电力需量优化调控。

4 实验分析

为了验证上述用户端电力需量优化调控方法的整体有效性,需要对此方法进行测试。

分别采用所提方法、文献[4]方法和文献[5]方法进行测试,在电力传输局部峰值最大的情况下,利用所提方法、文献[4]方法以及文献[5]方法对用户端的电力需量负荷进行检测,检测结果如图3所示。

图3 用户端电力需量负荷检测结果

分析图3可知,文献[4]方法和文献[5]方法检测出的电力需量负荷与标准电力需量负荷误差较大,而所提方法能够在电力传输局部峰值最大的情况下,有效检测出用户端电力需量负荷值,并且检测出的电力需量负荷与标准电力需量负荷较为接近。由此可知,所提方法检测出的用户端电力需量负荷值误差较小。这主要是因为所提方法基于电力需求侧管理原理对用户端电力需量负荷进行分类,并计算出电力需量的各项权值,所以该方法在对用户端电力需量进行优化调控时,能够有效检测出用电需量的各项电力负荷权值,从而提高调控的精准度。

随机选定用户端固定时间内的用电需量,利用所提方法、文献[4]方法以及文献[5]方法对其进行优化调控,并将调控后的用电量费用进行对比,对比结果如表1所示。

表1 不同调控方法的用电量费用对比结果 元

分析表1可知,所提方法三季度的用电量花费均低于文献[4]方法以及文献[5]方法,对比文献[4]方法和文献[5]方法来看,所提方法一个季度可节约将近400～500元。这主要是因为所提方法通过计算获取了用户端电力需量的控制权值和负荷优先级权值,所以该方法在对用户端电力需量进行优化调控时的用电量花费低。

在用户端最大需量峰值的情况下,加入抑制因子,利用所提方法、文献[4]方法以及文献[5]方法对用户端电力传输设备的总容量占比进行测试,测试结果如表2所示。

表2 用户端在不同峰值下的电力传输设备占比测试结果 %

分析表2可知,所提方法在不同电力峰值的情况下,用户端电力传输设备的总容量占比均低于文献[4]方法以及文献[5]方法,并且所提方法能够在抑制因子的作用下,能够有效将设备的总容量占比维持在85%。这主要是因为所提方法通过计算获取了电力需量的负荷优先级权值以及调控次数权值,所以该方法在对用户端电力需量进行优化调控时,传输设备电力总容量占比低。

5 结 语

为减小用户端电力需量负荷值误差,降低用电量花费和用户端电力设备总容量占比,提出基于需求侧管理的用户端电力需量优化调控方法研究。利用二维小波阈值法对用户端的电量数据进行去噪处理,基于需求侧管理理念对用户端电力需量负荷进行分类,并对分类后的各项电力需量取值进行计算。整合构建目标调控函数,对用电需量调控设备进行优化,从而实现对用户端电力需量的优化调控。该方法能够有效减小用户端电力需量负荷值误差,降低用电量花费和用户端电力设备总容量占比。但该方法由于在获取用电需量的动态负荷权值时还存在一定误差,因此,今后会针对这一问题继续对该调控方法进行优化。