基于纵向修正ARIMA的负荷聚合商潜力计算及调峰策略_周颖.pdf

：年 月 第 卷 第 期基于纵向修正 的负荷聚合商潜力计算及调峰策略周颖，石坤，李德智，陈宋宋，窦迅，严胜（需求侧多能互补优化与供需互动技术北京市重点实验室（中国电力科学研究院有限公司），北京；南京工业大学电气工程与控制科学学院，江苏 南京；国家电网有限公司，北京）摘 要：负荷聚合商组织需求侧资源参与调峰市场和电能量市场时，存在负荷预测准确度不够导致合同购电量误差大、市场界限模糊导致考核结算重复等问题，因此文中提出基于纵向修正差分自回归滑动平均（，）模型的负荷聚合商潜力计算和调峰策略。首先，利用纵向修正 算法预测基线负荷，构建负荷聚合商的调峰潜力测算模型，挖掘需求侧资源的可调节能力，为电力市场交易提供数据基础；其次，制定电能量市场与调峰市场的负荷偏差考核方式，以月度滚动时域综合结算收益最大为目标，构建考虑偏差考核的负荷聚合商调峰模型；最后，基于某典型地区负荷聚合商月度历史负荷数据，对所提方法进行算例分析。结果表明考虑负荷偏差考核的负荷聚合商调峰策略可以提升聚合商的调峰收益约，降低负荷聚合商峰谷差约，验证了文中方法的合理性和有效性。关键词：可调潜力；纵向修正；差分自回归滑动平均（）模型；滚动优化；调峰策略；偏差考核中图分类号：文献标志码：文章编号：（）收稿日期：；修回日期：基金项目：国家电网有限公司科技项目“以新能源为主体的新型电力系统实施路径研究”（）引言 年 月，国家发展改革委指出要不断提升市场化需求侧系统调峰能力，充分挖掘需求侧调峰资源。需求侧资源在分布上具有离散性，不同类型负荷的调节特性差异较大，部分资源难以达到调峰市场准入条件，通过负荷聚合商（，）聚合需求侧资源，挖掘用户侧资源响应潜力，可有效提升需求侧资源参与调峰的积极性。然而需求侧资源调节潜力各异，且资源聚合体在参与电能量市场和调峰市场时可能会产生考核结算边界重叠、市场界限模糊等问题，严重影响电力市场运营和电网安全稳定运行。因此，有必要对需求侧资源的调节潜力量化方法进行研究，在此基础上，研究 参与多类型市场的调峰策略，对提升 市场收益和促进电网高质量运行具有重要意义。目前，国内外学者已经对用户侧的可调负荷潜力预测和调峰策略展开研究。在潜力预测方面，现有研究主要集中在空调、电采暖、电动汽车等设备层面和用户用电行为方面，能够以设备模型为基础利用预测算法计算设备调峰潜力，再进行聚合，还能够考虑用户用电行为的影响，分析居民的用电功率特点，构建符合用户负荷特性的可调潜力模型，深度挖掘电力需求侧资源。现有关于 负荷预测的研究主要是考虑需求响应因素的短期负荷预测，常用负荷预测方法有神经网络法、系统分析法等，但是神经网络法例如长短期记忆（，）网络预测法无法预知负荷的趋势，系统分析法例如主成分分析法预测精度低，对 用电负荷进行中长期预测和短期可调潜力预测的方法也涉及不多。在调峰策略方面，现有研究主要集中在风电、火电机组深度调峰策略和用户侧参与调峰辅助服务市场建设机制方面，能够考虑风电、火电、新能源发电等发电机组发电停机成本等，构建深度调峰模型，促进能源消纳；也能够根据用户侧的调峰意愿度、调峰费用分摊机制构建用户侧调峰模型；能够分析各区域电网调峰市场实际运行情况，构建适合本地区的调峰交易机制或者评价指标体系，但针对基于差价合约的中长期电能量市场偏差考核的 调峰策略研究不多。综上所述，现有研究主要针对的是设备层面潜力预测以及用户参与调峰策略，缺少直接从用户总负荷入手进行可调潜力预测的研究。差分自回归滑动平均（，）模型预测可以很好地描述和预测负荷的变化趋势。针对 同时参与电能量市场和调峰市场制定调峰策略的研究更加稀少，因此有必要在 签订电能量市场购电量合同的同时研究参与调峰市场的最优调峰策略，既可以满足电能量市场的偏差考核，又能提高用户参与调峰的积极性。为解决上述问题，文中针对 聚合形成的可调节负荷资源，基于纵向修正 预测算法，分析其参与调峰市场的调节潜力。在此基础上，考虑 参与电能量市场与调峰市场的交易流程，制定 类市场的偏差考核方式，构建 参与调峰收益模型，以滚动时域综合结算收益最大为目标，提出基于负荷偏差考核的 调峰策略。算例表明所提方法可有效提升 收益，提升可调负荷资源参与电网调峰的积极性和经济性。建模原理中长期电能量市场是指发电企业、电力用户、售电公司等市场主体，通过双边协商、集中交易等市场化方式，开展的年度、月度等电力交易。文中研究 参与中长期尺度电能量市场，以月度为周期展开电力交易，签订月度购用电量合同，以月度为周期结算。参与调峰市场主要通过用户侧可调资源在调峰市场中响应电网发布的调节性需求参与电网互动，从而获益，作为聚合资源主体，在调节性市场方面参与调峰市场，以日度为周期展开交易。如图 所示，在参与电能量市场时，根据历史负荷数据对用电量进行预测从而签订电量合同，根据合同量计划每日的用电量；在参与调峰市场时，根据自身的调节容量来确定每个时刻参与调峰的上限和下限，自身的调节容量则根据历史负荷和预测的基线负荷来确定。签订月度电量合同后，若 在月中同步参与调峰市场，会对月度电量合同产生影响，导致在月度电量结算过程中受到偏差考核。因此研究 参与电能量市场和调峰市场的方式，制定最优调峰策略，保证 在偏差考核范围内获得最大调峰收益。图 基于纵向修正 的 潜力计算及调峰策略 基于纵向修正 的 调峰潜力 研究 参与调峰市场的潜力，首先须进行负荷预测，在此基础上构建调峰潜力计算模型。传统 是从横向时间角度（同一日不同时刻）对负荷进行预测，可以很好地描述和预测负荷的变化趋势，但预测结果具有一定的随机性和波动性。纵向分析可以从另一时间角度（同一时刻不同日）深度剖析用户的负荷特性，同一时刻负荷值近似相等但又因外界因素导致其存在一定波动，因此利用纵向角度预测可以修正由外界因素导致的负荷波动。文中结合横向与纵向的优势，对其预测结果进行融合，提出基于纵向修正的 预测算法，从不同时间角度对可中断负荷和可平移负荷进行预测。基于预测后得出的可中断负荷和可平移负荷基线值，构建 的可调潜力模型。详细步骤如下：（）利用 聚类算法将原始数据集根据负荷率、峰谷差、平均负荷等聚类指标进行聚类，分为可平移负荷和可中断负荷，将 类聚类中心用户的历史数据作为 预测模型算法的输入数据，对 类负荷分别进行预测。（）按照聚类的类别将历史数据按照同一时刻不同日进行纵向分组形成纵向输入序列，同一日不同时刻进行横向分组形成横向输入序列。（）利用 预测算法，分别对横向序列和纵向序列进行预测，如图 所示。得到横向预测值（）和纵向预测值（）后，利用纵向预测结果对横向预测进行修正，即根据实际需求将横向和纵向预测结果按照一定权重相加，得到第 日 时刻的预测值（），其中采样点的采样周期为 。图 基于纵向修正 的负荷预测方法 （）（）（）（）式中：为横向预测权重；为纵向预测权重。、均由历史数据的训练集预测结果与测试集数据进周颖 等：基于纵向修正 的负荷聚合商潜力计算及调峰策略行对比得到。（）选取平均绝对误差、均方误差、平均绝对百分误差对横向预测和纵向修正后的预测结果进行对比评价，验证文中预测方法的优越性。（）计算可调潜力。根据步骤（）得到的不同类型日期的聚类结果，统计预测日前一周 时刻负荷的分布，计算其均值 和方差，取满足 原则的最大值 和最小值 作为 时刻的最大负荷和最小负荷，原则是指预测日前一周各时刻的负荷（）满足条件（），。由第 日所有时刻的最大负荷、最小负荷分别组成上调曲线 和下调曲线。根据步骤（）得到的预测值（）和上调曲线、下调曲线，建立可调潜力计算模型。时刻负荷上调潜力：（）（）（）时刻负荷下调潜力：（）（）（）根据上述步骤得到预测的基线负荷、上调曲线和下调曲线。根据得到的预测值在电能量市场签订月度用电量合同，并根据可调潜力确定预测日负荷参与调峰的上下限。考虑负荷偏差考核的 调峰模型 目标函数在 参与电能量市场和调峰市场的过程中，为确保交易的合理性和准确性，规定：同一 在日前市场中的同一时段只能参与一种市场（参与日度调峰市场或中长期月度电能量市场），即 在参与日前调峰市场后则不能按照电能量市场的计划电力曲线进行用电，若按照电能量市场的计划电力曲线进行用电，则不能参与到日前调峰市场进行调峰。在终端资源调节量与主合同的衔接中，为提高 参与调峰市场的积极性，月度电量合同的考核方式为：在参与日前调峰市场后，该日原有的电力曲线发生变化，根据自身聚合资源的生产生活特性，自行改变后续日期的电力曲线，按照原有月度用电量指标进行月度用电量考核。参与调峰市场的用电量会影响到主合同的月度总用电量，导致其受到电能量市场的考核，考核偏差量惩罚范围设置为合同量的 以内。在月度内以滚动时域综合结算收益最大为目标函数，表达式为：（）（）（）（）（）（）（）（）（）（）（）式中：为第 日参与调峰的收益；为第 日的惩罚费用；、分别为参与可中断和可平移调峰的补贴；、分别为参与可中断和可平移调峰的成本；（）、（）分别为第 日考核偏差量中的可中断量和可平移量；为判断月度结算时偏差量是否在惩罚范围内的量；为月度偏差考核用电量；为月度合同购电量；为偏差惩罚价。约束条件（）电能量市场约束。参与月度电能量市场的结算，用户侧资源以月为时间尺度，签订月度电量合同，即主合同，在当月实际净用电量不超过合同电量时不进行考核，在超过签署合同电量的浮动范围时进行相应的考核惩罚措施，即：（）（）（），（）（）式中：为 的月度实际用电量；为第 日的总用电量；，为第 日 时段 净用电量，一日分为 个时段。（）调峰市场约束。在参与电能量市场的同时，还会同步参与到日前调峰市场中，响应系统调控以获取额外效益。参与调峰市场的结算，以日度为单位进行考核结算，参与调峰的调节量是在电能量市场合同基础上发生的额外调节功率，调节量以日前 点基线进行考核结算，即：，（）（）（）（）（）（）（）（）（）（）（）（）（）（），（）（）式中：，为第 日 时段 参与调峰市场的调节量；（）、（）分别为考核偏差量中的可中断量和可平移量，其中发生平移调峰时设置为平移 ；（）、（）分别为可参与中断量的上下限；（）、（）分别为可参与平移量的上下限。求解流程在进行收益最大化模型的求解时，在通用代数建模系统（，）环境下按时间轴滚动优化进行求解，优化过程如图 所示。首先，根据历史用电量确定每个时刻的可调容量，根据预测值在合同内签订月度购电量，确定偏差考核范围及罚金；其次，设置约束条件和目标函数；接着，可以得到第 日运行的实际负荷、偏差量、最优调峰策略以及第 日的预测基线值；然后，将第 日的实际负荷和调峰收益代入到原有模型内，根据第 日的预测基线值计算第 日的调峰策略，并以此类推计算到第 天；最后，可得到该 在满足电能量市场偏差考核的情况下，参与调峰的最优策略。图 求解流程 算例分析 基础数据为验证文中模型的有效性，选取某地 实际运行负荷进行仿真分析，时间范围为 个月。考虑到气温对 参与调峰量和天数的影响会对基线负荷预测的准确度造成影响，针对历史负荷的选取须进行选择。若预测月与前一月的气温相差较大，调峰量和天数会有明显差异，调峰天数达到 及以上，则选取前一年预测月的负荷作为基础数据；若预测月与前一月气温相差不大，调峰量和天数不会有较大变化，调峰天数不足 ，则利用前一月的历史负荷作为基础数据。首先进行负荷数据聚类，对该 的历史负荷数据进行聚类，结果如图、图 所示，其中采样周期为 。图 聚类结果 图 聚类结果 参与调峰时既有可中断部分也有可平移部分，将 内部各主体按照参与可中断调峰和可平移调峰分别进行聚类，可得到工作日和节假日 类负荷。根据曲线波动情况可以看出工作日、节假日的峰谷平时段不一致，节假日的峰时出现的较晚于周颖 等：基于纵向修正 的负荷聚合商潜力计算及调峰策略工作日，工作日的负荷波动性强于节假日，但是工作日和节假日的谷时段出现时间基本一致，据此确定峰谷时段如表 所示。取参与可中断调节的成本为 元（），参与可平移调节的成本为 元（），峰时段调峰补贴为 元（），谷时段调峰补贴为 元（），平时段调峰补贴为 元（）。表 峰谷平时段划分 ，负