动态相似与静态相似相结合的短期负荷预测方法

气温对负荷的影响存在累积效应,这导致气象条件与日类型相同两天的负荷仍然可能有较大的差异。因此,现有的以当天气象条件和日类型为特征参量的相似日选取方法不能保证预测的准确率。针对目前累积效应带来的影响,提出了一种动态相似的思路,并且将其与现有的静态相似方法相结合得到一种新的短期负荷预测方法。运用解耦模型分别对待预测日的日平均负荷和负荷曲线形状进行预测。采用动态相似的思路进行日平均负荷预测,采用静态相似日的思路进行负荷曲线形状的预测。算例中,分别以对节假日的负荷预测以及连续高温日期的负荷预测为例,通过对北京某地区的实例计算,结果表明,该预测方法可以提高短期负荷预测的准确率。

负荷时间弹性及其衡量方法

需求响应强调用户的主动性。电力系统维持瞬时平衡需要考虑不同时间产生的用电量对系统的不同影响,只采用价格需求弹性不足以全面描述电力负荷的弹性。提出负荷时间弹性概念,以充分考虑用户在用电时间上的选择余地,从定性分析和定量分析2个角度评价用户在不同时段间转移负荷的时间弹性大小,并给出算例分析。负荷时间弹性可为需求响应、分时电价、有序用电优化等应用提供支持。

基于阶段分时电价响应的电动汽车充电负荷优化策略

针对电动汽车的充电负荷优化问题,提出一种基于阶段分时电价响应的电动汽车充电负荷优化策略。该策略在考虑电动汽车负荷因素的前提下,建立电动汽车充电负荷模型,并通过蒙特卡洛算法模拟电动汽车无序充电的负荷变化。在峰、谷、平段电价弹性矩阵的基础上,细分不同的等分时间段建立阶段分时电价模型,构建以用户充电总费用和系统总负荷均方差最小为优化目标的电动汽车分时电价优化模型,采用改进的混沌多目标遗传算法对模型进行求解优化。实验对比结果验证了该策略的有效性和经济性,在给定数据条件下用户充电总费用和系统总负荷均方差较传统分时电价方案分别降低了0.4091万元和37.151 MW。

基于人工神经网络的负荷模型预测

负荷模型是影响电网稳定分析的重要因素,是电力系统进行仿真分析、计算的重要依据之一。若能对次日的最大、最小负荷时刻的负荷模型进行预测,可为调度机构制定运行方式时校核系统稳定性提供重要依据。以静态ZIP负荷模型为基础,分析了影响负荷模型的因素,采用人工神经网络方法,对最大、最小负荷时刻的负荷模型参数进行预测。分析了负荷模型参数与负荷预测结果之间的灵敏度,以掌握它们相互间的关系和影响程度,并由此寻找减小误差的方法。以最小负荷的有功模型预测为例,进行了实际预测。算例结果表明,负荷模型预测具有较好的准确率,本文所提方法可行。