一种基于配电网网格的多元负荷弹性预测方法与流程

技术特征：
1.一种基于配电网网格的多元负荷弹性预测方法，其特征在于，包括以下步骤：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；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；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；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。2.根据权利要求1所述的一种基于配电网网格的多元负荷弹性预测方法，其特征在于，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。3.根据权利要求2所述的一种基于配电网网格的多元负荷弹性预测方法，其特征在于，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：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；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；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；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。4.根据权利要求3所述的一种基于配电网网格的多元负荷弹性预测方法，其特征在于，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：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：其中，为综合能源系统单元内部典型日最大电负荷功率；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；
①
功率平衡约束条件模型如式(2)所示：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；
②
设备运行约束条件模型如式(3)所示：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；步骤4.3：计算所述综合能源系统的弹性系数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：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。5.根据权利要求3所述的一种基于配电网网格的多元负荷弹性预测方法，其特征在于，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：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：假设现有一个包含n个数据点的集合x＝{x1,x2,
…
,x
n
}，聚类个数为k，即算法最终输出k个类{s1,s2,
…
,s
k
}，所述k-means聚类算法的具体方法包括以下步骤：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m
j
(i)，其中j＝1,2,
…
,k；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x
i
到k个聚类中心m
j
(i)的距离d(x
i
,m
j
(i))，搜索最小距离对应的数据点x
i
，将其纳入到所述m
j
(i)所属的类别s
j
中；其中，d(i,j)为样本数据集x中的每个数据点x
i
到k个聚类中心x
j
的距离；步骤5.1.3：再利用式(6)计算m
j
(i 1)的值，并将其作为下一个聚类中心点；
其中，n
j
表示第j个类中数据点的数量；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。步骤5.2：计算所述分布式电源的弹性系数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：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。6.根据权利要求3所述的一种基于配电网网格的多元负荷弹性预测方法，其特征在于，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：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：则电动汽车用户i在j时刻的总充电负荷p
j
的计算式如式(10)所示：其中，n为该区域的电动汽车数目；步骤6.2：计算所述电动汽车的弹性系数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：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。7.根据权利要求3所述的一种基于配电网网格的多元负荷弹性预测方法，其特征在于，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：步骤7.1：中央空调负荷参与需求响应策略根据调研结果显示，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；
步骤7.2：计算所述中央空调的弹性系数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：其中，η
b
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。8.根据权利要求3所述的一种基于配电网网格的多元负荷弹性预测方法，其特征在于，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：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；步骤8.2：计算所述通信基站弹性系数考虑通信基站的负荷弹性系数k
bs
的计算式如式(13)所示：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。9.根据权利要求1所述的一种基于配电网网格的多元负荷弹性预测方法，其特征在于，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：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：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。

技术总结
本发明公开了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：S1、将配电网网格中的多元弹性负荷进行分类；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；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；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。本发明提高了考虑弹性负荷下配电网网格负荷预测的精准度，可以有效减少配变电容量需求，降低配网扩容投资费用。用。用。


技术研发人员：于昊正 许长清 李科 李秋燕 樊江川 全少理 皇甫霄文 马杰 孙义豪 陈江涛 郭新志 郭勇
受保护的技术使用者：国家电网有限公司
技术研发日：2022.02.28
技术公布日：2022/7/29