一种基于配电网网格的多元负荷弹性预测方法与流程

1.本发明属于配电网运行分析技术领域，具体涉及一种基于配电网网格的多元负荷弹性预测方法。


背景技术：

2.负荷预测是配电网规划的基础和关键，面向能源互联网的发展视角，配电网形态正朝向清洁能源广泛接入、柔性负荷灵活可控等新的特征演变，分布式电源、综合能源系统以及新型用电负荷等广泛接入到配电网中，使得负荷变为了部分可控、可调的“柔性”负荷，原有的负荷用电曲线发生变化，导致配电网规划负荷边界难以确定。以往的配电网规划已形成一套较为成熟的规则体系，也发挥着作用，但传统“流程模板式”的配电网规划面临着当前发展形势变化的严峻挑战。如何统筹考虑各类用户在时间、空间上的差异化用能需求，预测负荷弹性空间，合理界定供需边界成为当前亟待解决的问题。因此，需要明晰配电网外部变化要素对负荷边界的具体影响，并建立配电网多元负荷的弹性预测方法，研究确定不同用电场景下配电网规划负荷边界。


技术实现要素：

3.为了解决现有技术中存在的不足，本发明的目的是提供一种基于配电网网格的多元负荷弹性预测方法。通过该预测方法能够提高了考虑弹性负荷下配电网网格负荷预测的准确性和配电网建设投资的精准度。
4.为了实现上述目的，本发明采用如下技术方案：
5.一种基于配电网网格的多元负荷弹性预测方法，包括以下步骤：
6.s1、将配电网网格中的多元弹性负荷进行分类，主要分为三类：第一类弹性负荷为影响弹性负荷时空分布的新兴发电设施或系统；第二类弹性负荷为可响应峰谷电价的弹性负荷资源；第三类弹性负荷为可参与需求侧响应的弹性负荷资源；
7.s2、最大负荷预测：采用时间序列法对配电网网格规划的年负荷的最大负荷进行预测，该预测是所述配电网网格中的多元弹性负荷的基础数据；
8.s3、计算多元负荷的弹性系数：计算所述配电网网格中的多元弹性负荷的弹性系数，并形成约束条件；
9.s4、通过所述配电网网格中的多元弹性负荷计算配电网网格规划年负荷的总弹性空间，确定多元负荷弹性的配电网负荷预测结果。
10.进一步的，所述步骤s1中第一类多元弹性负荷包括综合能源系统和分布式电源；第二类多元弹性负荷包括电动汽车负荷；第三类多元弹性负荷为包括中央空调负荷和通信基站负荷；所述的分布式电源为分布式光伏。
11.进一步的，所述步骤s3中多元负荷的弹性系数计算方法包括以下步骤：
12.1)模拟所述三类多元弹性负荷的运行特性，得到所述弹性负荷原始的典型日出力/负荷时序曲线；
13.2)基于优化模型和需求侧响应策略模拟考虑弹性的弹性负荷的典型日负荷曲线；
14.3)将所述弹性负荷的原始日负荷曲线与弹性负荷的典型日负荷曲线两者之间的差值叠加到预测年配电网网格最大负荷典型日曲线上，形成考虑负荷弹性的新型最大负荷典型日曲线；
15.4)根据所述的预测年配电网网格最大负荷典型日曲线变化得到多元负荷弹性空间。
16.进一步的，所述三类多元弹性负荷中综合能源系统弹性系数的计算方法包括以下步骤：
17.步骤4.1：建立所述综合能源系统的目标函数模型，所述目标函数模型如式(1)所示：
[0018][0019]
其中，为综合能源系统单元内部典型日最大电负荷功率；
[0020]
步骤4.2：建立约束条件模型，所述约束条件包括功率平衡约束和设备运行约束；
[0021]
①
功率平衡约束条件模型如式(2)所示：
[0022][0023]
其中，为综合能源系统单元向上级电网购电功率；为风机出力；为chp的产电功率；为p2g吸收的电功率；p
e,t
为电负荷功率；为chp的产热功率；为gf的产热功率；p
h,t
为热负荷功率；为综合能源单元向上级气网购气功率；为p2g 的产气功率；为chp吸收的气功率；为gf吸收的气功率；变量下标t为时段；
[0024]
②
设备运行约束条件模型如式(3)所示：
[0025][0026]
其中，η
p2g
为p2g的电转气效率；η
gb
为gb的气转热效率；为gb的气转热效率；分别为chp的气转电和气转热效率；
[0027]
步骤4.3：计算所述综合能源系统的弹性系数
[0028]
基于上述建立的所述综合能源系统的目标函数和约束条件的优化模型，通过优化综合能源系统内部设备的出力，改变综合能源系统内原有电力负荷曲线，以减小电力负荷的峰谷差，考虑综合能源系统的负荷弹性系数k
hub
计算如式(4)所示：
[0029][0030]
其中，p
wg
为配电网网格常规负荷预测结果；p'
wg,hub
为考虑综合能源系统优化运行后的配电网网格峰值负荷。
[0031]
进一步的，所述三类多元弹性负荷中分布式电源弹性系数的计算方法包括以下步骤：
[0032]
步骤5.1：采用k-means聚类算法对搜集的分布式光伏出力的历史数据进行聚类，其具体步骤如下所示：
[0033]
假设现有一个包含n个数据点的集合x＝{x1,x2,
…
,xn}，聚类个数为k，即算法最终输出k个类{s1,s2,
…
,sk}，所述k-means聚类算法的具体方法包括以下步骤：
[0034]
步骤5.1.1：令i＝1，从整个样本数据集x中，随机选取k个数据点作为初始聚类中心mj(i)，其中j＝1,2,
…
,k；
[0035]
步骤5.1.2：通过式(5)计算所述步骤5.1.1中任意两个数据点之间欧氏距离，即计算所述样本数据集x中的每个数据点xi到k个聚类中心mj(i)的距离d(xi,mj(i))，搜索最小距离对应的数据点xi，将其纳入到所述mj(i)所属的类别sj中；
[0036][0037]
其中，d(i,j)为样本数据集x中的每个数据点xi到k个聚类中心 xj的距离；
[0038]
步骤5.1.3：再利用式(6)计算mj(i 1)的值，并将其作为下一个聚类中心点；
[0039][0040]
其中，nj表示第j个类中数据点的数量；
[0041]
步骤5.1.4：如果第i次所得到的分类结果与第(i-1)次完全一致，那么就可以认为本次聚类结果即为最终结果，输出聚类结果；否则再从步骤5.1.2继续进行迭代。
[0042]
步骤5.2：计算所述分布式电源的弹性系数
[0043]
结合规划年配电网网格内预测的分布式光伏渗透率，采用 k-means聚类算法得到分布式光伏典型日出力曲线，通过与配电网网格最大负荷典型日的负荷曲线进行叠加，从而得到考虑分布式光伏出力特性的负荷弹性系数k
pv
，具体计算公式如式(7)所示：
[0044][0045]
其中，p
wg
为配电网网格常规负荷预测结果；p'
wg,pv
为考虑分布式光伏运行特性的配电网网格典型日峰值负荷；
[0046]
进一步的，所述三类多元弹性负荷中电动汽车弹性系数的计算方法包括以下步骤：
[0047]
步骤6.1：对于选择有序充电的电动汽车用户，起始充电时刻t
c,i
应接受配电网调度控制或者尽量选择负荷低谷时刻，避免在负荷高峰时刻增加电网供电压力，即
[0048][0049]
其中，t1、t2分别为负荷低谷时段的起止时刻；χ为[0,1]区间的一个随机数；电动汽车用户i在第j个时段的充电负荷大小p
i,j
的计算式如式(9)所示：
[0050][0051]
则电动汽车用户i在j时刻的总充电负荷pj的计算式如式(10) 所示：
[0052][0053]
其中，n为该区域的电动汽车数目；
[0054]
步骤6.2：计算所述电动汽车的弹性系数
[0055]
根据上述电动汽车的有序策略，考虑电动汽车的负荷弹性系数 k
ev
的计算式如式(11)所示：
[0056][0057]
其中，p
wg
为配电网网格常规负荷预测结果；p'
wg,ev
为考虑电动汽车采用有序充电策略后的供电网格典型日峰值负荷。
[0058]
进一步的，所述三类多元弹性负荷中中央空调弹性系数的计算方法包括以下步骤：
[0059]
步骤7.1：中央空调负荷参与需求响应策略
[0060]
根据调研结果显示，河南省拥有中央空调的商业用户主要集中在批发和零售业以及住宿和餐饮业，中央空调的商业用户在高峰时段按一定响应比例参与需求响应；中央空调的商业用户在高峰时段参与响应特征见下表所示，其中，响应占比λ
dr
为该行业在响应时段可削减的负荷量与本行业夏季最高运行负荷的比值(也即商业负荷中的中央空调负荷占比)；
[0061]
河南省商业用户中央空调负荷参与响应特征表
[0062]
步骤7.2：计算所述中央空调的弹性系数
[0063]
考虑中央空调负荷参与需求响应后的负荷弹性系数k
cac
的计算式如式(12)所示：
[0064][0065]
其中，ηb为配电网网格内商业负荷的占比；λ
dr
为商业负荷内中央空调负荷占比；n
top
为配电网网格处于负荷高峰的时段数量。
[0066]
进一步的，所述三类多元弹性负荷中通信基站弹性系数的计算方法包括以下步
骤：
[0067]
步骤8.1：采用k-means聚类算法对通信基站负荷历史数据进行聚类，具体的步骤如权利要求5中所述的k-means聚类算法步骤相同；
[0068]
步骤8.2：计算所述通信基站弹性系数
[0069]
考虑通信基站的负荷弹性系数k
bs
的计算式如式(13)所示：
[0070][0071]
其中，p
wg
为配电网网格常规负荷预测结果；p'
wg,bs
为考虑通信基站储能参与响应后的配电网网格典型日峰值负荷。
[0072]
进一步的，所述步骤s4中计算多元负荷弹性的配电网负荷预测结果的方法具体如下：
[0073]
通过弹性系数累加的方式并计及负荷弹性空间的同时系数，计算得到统筹考虑综合能源系统负荷、分布式电源负荷、电动汽车负荷、中央空调负荷和通信基站负荷各种影响因素后配电网网格规划年的负荷弹性系数、负荷弹性空间及负荷预测结果，具体计算式如式(14) 所示：
[0074][0075]
其中，k
wg
为统筹考虑各种影响因素后供电网格的弹性系数；k
t
为负荷弹性空间的同时系数，即综合考虑各类负荷弹性系数形成曲线叠加后的负荷弹性空间与所有类型弹性系数之和的负荷弹性空间的比值；为考虑各类影响因素后的负荷弹性空间；p'
wg
为考虑负荷弹性的配电网规划年负荷预测结果。
[0076]
与现有技术相比，本发明具备的积极有益效果在于：
[0077]
本发明综合考虑了未来配电网在供需特性、市场环境等方面的改变，以配电网网格内为单位，以精准负荷为预测目标，利用k-means 聚类算法分析了考虑多种负荷弹性空间的负荷预测，能够综合提高区域负荷预测精准度；综合能源系统、分布式电源、中央空调可提供较大的负荷弹性空间，能够有效降低最大负荷，通信基站负荷和私家电动汽车充电负荷的占比较小，所提供的负荷弹性空间有限；本发明考虑负荷弹性后，能科学有效判断配电网峰值弹性负荷值，减少配电网建设需求，降低配网扩容投资费用。
附图说明
[0078]
图1是本发明的弹性负荷的弹性系数计算方法的总体流程图；
[0079]
图2是聚类网格预测年(2025年)最大负荷典型日曲线图；
[0080]
图3是不同场景下考虑综合能源系统某网格2025年最大负荷典型日曲线图；
[0081]
图4是不同场景下考虑分布式电源某网格2025年最大负荷典型日曲线图；
[0082]
图5是私家电动汽车无序充电及有序充电负荷曲线图；
[0083]
图6是私家电动汽车有序充电前后某网格2025年最大负荷典型日曲线图；
[0084]
图7是中央空调响应前后某网格2025年最大负荷典型日曲线图；
[0085]
图8是通信基站各典型日负荷曲线图；
[0086]
图9是基站储能响应前后某网格2025年最大负荷典型日曲线图；
具体实施方式
[0087]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例和附图，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0088]
实施例
[0089]
一种基于配电网网格的多元负荷弹性预测方法，包括以下步骤：
[0090]
s1、河南省某市新区某网格地性质以居住、商业、商务为主，该某网格属于建成区，目前无建设地块。目前，该某网格内负荷由a1、 a2两座110kv变电站进行供电，该某网格内的10kv线路共计45条， 110kv线路共计4条。按照该某网格用户信息，将该某网格内的多元弹性负荷进行分类，主要包括三类：第一类弹性负荷为影响弹性负荷时空分布的新兴发电设施或系统；第二类弹性负荷为可响应峰谷电价的弹性负荷资源；第三类弹性负荷为可参与需求侧响应的弹性负荷资源；其中，第一类多元弹性负荷包括综合能源系统和分布式电源；第二类多元弹性负荷包括电动汽车负荷；第三类多元弹性负荷为包括中央空调负荷和通信基站负荷；所述的分布式电源为分布式光伏。
[0091]
s2、根据步骤s1中某网格各供电单元的历史负荷数据，以供电单元为单位，采用基于时间序列的一元线性回归预测法对所述某网格2025年的电力负荷需求进行预测，其预测结果如表1所示，由于预测年限与现状年的时间间隔较短，故不考虑同时率。
[0092]
表1某网格及其供电单元2025年负荷预测结果
[0093][0094]
由收集的历史负荷数据可知，某最大负荷典型日为夏季7月29 日，根据现状年(2019年)最大负荷典型日曲线的负荷特性，预测得到预测年(2025年)某网格内最大负荷典型日曲线，如图2所示。从图2 中可见，某网格的峰值负荷时段集中于午间10:00～14:00，正是夏季居民用户、商业用户使用空调等设备的高峰时段；而在凌晨 00:00～07:00时间段内，某网格整体负荷处于低谷时段，约为40mw 左右的电力负荷需求，其最低负荷为35.08mw，峰谷差达到了73.46％，不利于配电网内设备的高效、经济运行。
[0095]
s3、以步骤s2中某网格预测年(规划年)2025年负荷预测结果为基础，基于某网格内综合能源系统、分布式光伏、私家电动汽车负荷、中央空调负荷和通信基站负荷的发展趋势，计算该网格内考虑上述五种各影响因素的负荷弹性系数：
[0096]
(1)综合能源系统
[0097]
基于多元负荷弹性预测模型中的综合能源系统的负荷弹性系数计算方法，具体参见步骤4.1-4.3，考虑在按综合成本最优为目标配置能源设备的情况下，模拟该网格内不同综合能源单元供电负荷占比η
hub
(综合能源单元内最大负荷与供电网格最大负荷的比值)场景下对配电网规划负荷边界的影响，其结果如图3和表2所示。
[0098]
表2不同η
hub
场景下某网格2025年负荷预测结果
[0099][0100]
以η
hub
＝10％为例，根据多元负荷弹性预测模型中综合能源系统负荷弹性系数计算方法(优化模型)，具体参见公式(4)，并结合表 2中各参数计算如下：
[0101]
考虑综合能源系统的某网格负荷弹性系数：
[0102]khub
＝(p
wg-p'
wg,hub
)/p
wg
＝3.0％
[0103]
负荷弹性空间：
[0104][0105]
考虑负荷弹性的负荷预测结果：
[0106]
p'
wg,hub
＝p
wg
(1-k
hub
)＝128.22mw
[0107]
由上述结果可以看出，考虑某网格2025年构建综合能源单元供电负荷占比分别为10％和20％时，其负荷弹性系数分别为3.00％和 6.00％，负荷弹性空间分别为3.97mw和7.93mw，该某网格负荷预测结果分别降低为128.22mw和124.26mw。由此可见，综合能源系统的引入对降低配电网负荷边界、提升负荷弹性空间具有一定的促进作用，且由于主要采用天然气替代电能需求，仅会在电负荷高峰时段内增加天然气功率需求，在其他时段内不会产生新的电负荷高峰。
[0108]
(2)分布式电源
[0109]
目前某网格内不存在分布式电源或综合能源系统等其他电源形式，但根据河南省可再生能源的发展趋势，以及低碳生活、可持续发展等概念在河南省的进一步深化，未来河南省配电网内将会广泛接入如分布式光伏为例的清洁、可再生的分布式发电源。本项目根据收集的光伏电站全年历史实时出力数据，采用k-means聚类算法对其典型日出力特性进行分析，具体参照步骤5.1，其中步骤5.1包步骤 5.1.1-5.1.4。
[0110]
根据聚类网格负荷情况，假设分布式光伏在最大典型日能够实现全消纳，并根据分布式光伏夏季典型日出力曲线，本项目模拟了某网格2025年不同分布式光伏渗透率η
pv
(分布式光伏额定容量与供电网格最大负荷的比值)场景下对配电网规划负荷边界的影响，其结果如图4和表3所示。
[0111]
表3不同η
pv
场景下某网格2025年负荷预测结果
[0112][0113]
以η
pv
＝5％为例，根据多元负荷弹性预测模型中分布式电源负荷弹性系数计算方法，具体参见公式(7)，并结合表3中各参数计算如下：
[0114]
考虑分布式光伏的某网格负荷弹性系数：
[0115]kpv
＝(p
wg-p'
wg,pv
)/p
wg
＝1.70％
[0116]
负荷弹性空间：
[0117][0118]
考虑负荷弹性的负荷预测结果：
[0119]
p'
wg,pv
＝129.94mw
[0120]
由上述结果可以看出，当考虑分布式光伏渗透率为5％、10％、 20％时，该某网格2025年的负荷预测结果分别降为129.94mw、 127.70mw和123.20mw，负荷弹性空间分别为2.25mw、4.49mw 和8.99mw，弹性系数分别为1.70％、3.40％和6.80％，可见分布式光伏的接入能够有效降低配电网最大负荷，这是由于分布式光伏的出力特性与网格的负荷分布特性较为吻合，当网格处于负荷高峰时段 (10:00～13:00)时，光照强度也正好处于较为充沛的时间段，分布式光伏出力较大，通过就地消纳的方式减小了负荷峰值，拉大了负荷的弹性空间，能够有效降低配电网线路、变压器等设备扩容和投资需求。
[0121]
(3)私家电动汽车
[0122]
私家电动汽车负荷边界确定：私家电动汽车规划年(2025)保有量预测值可以根据现状年(2019年)私家车保有量、私家电动车渗透率和私家电动汽车的发展情况来预测。根据国内发达地区人口密度指标，取该某网格2025年人口密度为4000人/平方公里，根据该某网格面积为3.34平方公里，可推算其2025年常住人口为13360人。根据私家车拥有量按222.36辆/千人计算，共有1966辆私家车。到 2025年，电动汽车渗透率按15％计算，共有445辆私家电动汽车。此外，私家电动汽车采用慢充居多，充电功率按15kw计算，功率因数为0.9，蒙特卡洛模拟次数为100，私家电动汽车的出行特性如4 所示，该某网格内2025年私家电动汽车数量、配置情况、充电站数量如表5所示。
[0123]
表4各类电动汽车出行概率模型
[0124][0125]
备注：n(a,b)表示为一个数据期望为a，方差为b2的正态分布。
[0126]
表5某网格2025年私家电动汽车配置表
[0127][0128]
根据多元负荷弹性预测模型中电动汽车有序充电策略，模拟得到该某网格内2025年所有私家电动汽车无序、有序充电时的充电负荷曲线及该某网格最大负荷典型日曲线如图5、图6所示。
[0129]
从图6中可以看出私家电动汽车在无序充电时，其充电负荷峰值发生在午间高峰和晚高峰，其中主要为晚高峰19:00～22:00，而该某网格的负荷峰值时段为午间11:00前后，充电负荷与总体负荷峰值时刻不重叠，同时率较低；采用所提有序充电策略后，其晚间负荷转向凌晨03:00～06:00左右充电，午高峰充电负荷略有减少，其可削减负荷约为1.01mw，对网格最大负荷曲线影响较小。
[0130]
当私家电动汽车采用有序充电策略后，该某网格2025年负荷预测结果如表5所示。
[0131]
表5考虑私家电动汽车有序充电后某网格2025年负荷预测结果
[0132][0133]
根据私家电动汽车负荷弹性系数计算方法，具体参见公式(11)，并结合表5中各参数计算如下：
[0134]
考虑私家电动汽车有序充电的该某网格负荷弹性系数：
[0135]kev
＝(p
wg-p'
wg,ev
)/p
wg
＝0.76％
[0136]
负荷弹性空间：
[0137][0138]
考虑负荷弹性的负荷预测结果：
[0139]
p'
wg,ev
＝131.18mw
[0140]
由上述结果可以看出，考虑私家电动汽车采用有序充电策略后，该某网格2025年的负荷预测结果变为131.18mw，仅存在1.01mw 的负荷弹性空间，其弹性系数仅为0.76％，这是由于私家电动汽车 2025年在该某网格负荷峰值时刻的充电负荷需求较小；另一方面，满足有序充电策略的要求的车辆占比较少，导致其可削减负荷占总充电负荷比值有限。因此，考虑私家电动汽车采用有序充电策略对于降低配电网峰值负荷，降低配电网投资建设等的促进作用并不明显。采用有序充电策略后，其充电负荷高峰为凌晨03:00～06:00，属于整个网格负荷的低谷时段，且私家电动汽车的充电负荷在整个网格负荷的占比较低，因此也不会影响网格负荷的峰谷特性。
[0141]
(4)中央空调负荷
[0142]
根据河南省行业用电情况与该某网格内的负荷构成情况，推算 2025年该某网格内商业负荷占总负荷的比值ηb为50％。聚类网格内商业中央空调负荷的响应比例λ
dr
按33.5％计算，可得出2025年该某网格内中央空调总体可响应负荷约为22.1mw，假定中央空调负荷在网格内分布均匀。从图7可见，该网格负荷高峰时段为10:00～14:00，考虑到用户使用的舒适体验且不影响整个供电网格的峰谷特性，认为可响应中央空调负荷在各个高峰时间段内响应能力相同。
[0143]
当中央空调负荷参与需求响应后，该某网格2025年负荷预测结果如图7、表6所示。
[0144]
表6中央空调负荷响应后某网格2025年负荷预测结果
[0145][0146]
根据多元负荷弹性预测模型中中央空调负荷弹性系数计算方法，具体参见公式(12)，并结合表6中各参数计算如下：
[0147]
考虑中央空调负荷参与需求响应的某网格负荷弹性系数：
[0148]kcac
＝ηb*λ
dr
/n
top
＝50％*33.55％/4＝4.19％
[0149]
负荷弹性空间：
[0150][0151]
考虑负荷弹性的负荷预测结果：
[0152]
p'
wg
＝p
wg
(1-k
cac
)＝126.65mw
[0153]
从上述结果中可以看出，利用中央空调的响应能力可以有效降低配电网峰值负荷，当中央空调负荷参与需求响应后，xx网格2025年的规划负荷边界变为126.65mw，存在5.54mw的负荷弹性空间，考虑中央空调负荷参与需求响应的弹性系数为4.19％，对于降低配电网设备扩容投资建设等起到了积极的促进作用。由于中央空调属于可中断负荷，不会
在其他时间段增加用电负荷，因此其不会影响整个网格的负荷峰谷特性。
[0154]
(5)通信基站
[0155]
为深入了解通信基站负荷特性及对配电网规划负荷弹性的影响，本项目对某市某区的某通信基站进行数据收集和整理。该基站配有一套5g通信设备，采用30kva专变接入配电网，报装时间为2018年，最大负荷13.9kw，年用电量为5.97万kwh。对于该基站全年的负荷曲线，采用k-means聚类方法，具体步骤可参见步骤5.1.1-5.1.4，得到通信基站春夏秋冬四个季节典型日的负荷曲线，如图8所示。
[0156]
从图8中可以看出，通信基站用电负荷具有强烈的季节特性，其夏季负荷明显高于其他三个季节，平均负荷功率为10.1kw，其他季节平均负荷功率为7.45kw，这主要是因为夏季基站空调需要全天运行，导致夏季平均用电量比其他季节多30％；其次，由于基站用电负荷与通信业务负载呈线性关系，而通信业务负荷具有一定的时序波动性，导致基站用电负荷呈现出一定的随机波动性。
[0157]
根据某网格的发展需求以及未来基站布局模型，按三小时的基站储能备电时长，可推算其2025年通信基站地理位置和储能配置表。其中，通信基站布局为蜂窝网状结构，基站数目与区域面积和基站覆盖半径相关，具体表达式如下式所示：
[0158][0159]
其中，n为通信基站数目，s为区域面积，r为基站覆盖半径。
[0160]
表7某网格2025年通信基站及其储能配置表
[0161][0162]
按照配电网供电可靠率为99.99％计算，即停电时间约为53分钟，因此基站备用储能需要留有一个小时的备电时长以保障通信基站可靠用电，其余两个小时的储能容量则可以在电网负荷高峰时段 (11:00～13:00)供给基站用电负荷。在午高峰时段参与响应后，安排在负荷低谷时段(04:00～06:00)对基站储能进行充电。
[0163]
根据该某网格2025年最大负荷典型日曲线峰谷特性，计划在 11:00～13:00两个时间段内安排基站储能参与响应。参与响应后，该某网格2025年负荷预测结果如图9、表8所示。
[0164]
表8考虑基站储能响应后某网格2025年负荷预测结果
[0165][0166]
根据多元负荷弹性预测模型中通信基站负荷弹性系数计算方法，具体参见公式(13)，并结合表8中各参数计算如下：
[0167]
考虑通信基站参与响应的该某网格负荷弹性系数：
[0168]kbs
＝(p
wg-p'
wg,bs
)/p
wg
＝0.38％
[0169]
负荷弹性空间：
[0170][0171]
考虑负荷弹性的负荷预测结果：
[0172]
p'
wg
＝131.69mw
[0173]
从上述结果中可以看出，由于基站用户总负荷较小，其参与响应的调节量相对于整个供电网格的基值负荷较小，因此当基站储能参与需求响应后，该某网格2025年的负荷预测结果变为131.69mw，仅存在0.50mw的负荷弹性空间，其弹性系数仅为0.38％，对于降低配电网设备供电容量和降低配电网投资建设的促进作用并不明显。同时，基站储能在午高峰时段参与响应后，安排在负荷低谷时段进行充电，对于整个网格负荷分布的影响很小，不会影响整个网格负荷的峰谷特性。
[0174]
s4、考虑负荷弹性的配电网负荷预测结果
[0175]
基于聚类网格常规负荷预测结果，以及上述考虑5类影响因素的负荷弹性系数计算结果，得到考虑负荷弹性的该某网格2025年的负荷预测结果，并基于配电网运行状态模拟方法，量化分析负荷弹性空间对配电设备供电容量、投资需求的影响，确定配电网规划负荷边界，其结果如表9示。表9中，k
pv
分别为该某网格2025年分布式光伏渗透率η
pv
为0％、5％、10％和20％时的弹性系数；k
hub
分别为该某网格2025年综合能源单元供电负荷占比η
hub
为0％、10％和20％时的弹性系数。
[0176]
表9考虑负荷弹性的某网格2025年负荷预测结果及规划负荷边界
[0177][0178]
以统筹考虑私家电动汽车负荷、通信基站负荷、中央空调负荷影响以及分布式光伏渗透率η
pv
为10％、综合能源系统单元供电负荷占比η
hub
为20％时的该某网格弹性负荷预测及其规划影响评估为例，通过弹性系数累加的方式并计及负荷弹性空间的同时系数，计算得到统筹考虑综合能源系统负荷、分布式电源负荷、电动汽车负荷、中央空调负荷和通信基站负荷各种影响因素后配电网网格规划年的负荷弹性系数、负荷弹性空间及负荷预测结果，再结合公式(14)和表9中各参数计算如下：
[0179]
某网格总负荷弹性系数：
[0180]kwg
＝k
t
(k
cac
k
bs
k
ev
k
pv
k
hub
)＝
[0181]
0.9117*(0.76％ 4.19％ 0.38％ 3.4％ 6.0％)＝13.43％
[0182]
考虑5类类影响因素的负荷弹性空间：
[0183][0184]
统筹考虑5类影响因素的新规划负荷边界(考虑5类负荷弹性的配电网规划年负荷
预测结果)：
[0185]
p'
wg
＝p
wg
*(1-k
wg
)＝132.19*(1-13.43％)＝114.44mw
[0186]
考虑负荷弹性的减少配电网线路容量需求：
[0187][0188]
考虑负荷弹性的减少配电网变压器容量需求：
[0189][0190]
考虑负荷弹性的降低配电网投资收益：
[0191]
δc＝c
l
*δp
l
c
t
*δp
t
＝1*6.74 25*42.44＝1067.67万元
[0192]
从上述结果可以看出，当仅考虑某网格内新型用电负荷发展并参与配电网响应后，将会给2025年某网格规划时带来7.04mw的负荷弹性空间，其负荷预测结果降为125.15mw，减小2.05mw的配电网线路供电容量需求和13.49mva的配电网变压器供电容量需求，降低了配电网339.20万元的配电设备容量投资需求。其中，由于通信基站负荷和私家电动汽车负荷总量较小导致其响应调节能力较低，主要是中央空调负荷参与需求响应为配电网创造了较大的规划负荷弹性空间；当同时考虑分布式光伏、综合能源系统对负荷时空分布的影响时，该网格2025年负荷预测结果在118.94～108.23mw内变化，配电网线路供电容量需求减小量为4.86～7.72mw，配电网变压器供电容量需求减小量为28.03～53.92mva，其降低配电网投资需求为 705.55～1355.69万元，可见未来分布式电源和综合能源系统的发展将对配电网的规划带来巨大的影响。
[0193]
本发明中所述的5类影响因素是指综合能源系统、分布式光伏、中央空调、私家电动汽车和通信基站这5类负荷。
[0194]
本发明实施例中的计算条件、图例、表等仅用于对本发明作进一步的说明，并非穷举，并不构成对权利要求保护范围的限定，本领域技术人员根据本发明实施例获得的启示，不经过创造性劳动就能够想到其它实质上等同的替代，均在本发明保护范围内。