虚拟电厂工业用户可调潜力预测方法、装置及系统与流程

1.本发明涉及可调负荷潜力计算技术领域，特别涉及一种虚拟电厂工业用户可调潜力预测方法、装置及系统。


背景技术：

2.在市场竞争机制下，需求响应潜力的评估能够帮助用户、负荷聚合商以及电网调度中心明确需求响应资源的来源、预期规模和响应效果，从而帮助制定需求响应发展的目标和战略，以满足各自利益最大化的需求。
3.相关技术中，通过需求响应项目类型和目标用户群体来确定需求响应潜力的分析范围，再通过分析各类用户负荷曲线和各类负荷用户的参与率，评估需求响应的市场潜力，指定需求响应项目。但是，在进行数据分析时，仅仅考虑工业用户满负荷时的响应率，并未考虑用户的实际用电负荷状态，例如工厂在全力赶工时，新老设备同时使用，负荷较高；在正常工作时，实用经济性能更优的新设备，如果忽略用户实际用电负荷状态，则会造成评估数据不精准。


技术实现要素：

4.本发明的主要目的是提供一种虚拟电厂工业用户可调潜力预测方法，旨在提高评估工业用户可调潜力的精准度。
5.为实现上述目的，本发明提出的一种虚拟电厂工业用户可调潜力预测方法，包括如下步骤：
6.获取影响工业用户电力需求响应潜力的多元维度因素参数；
7.基于消费者心理学曲线构建响应潜力评估模型，所述响应潜力评估模型中包含多个可确定参数和一个随机参数；
8.构建实际用电参数模型；
9.基于响应潜力评估模型和实际用电参数模型构建可调电容量模型，对工业用户可调潜力进行预测。
10.在本技术的一实施例中，所述基于消费者心理学曲线构建响应潜力评估模型，所述响应潜力评估模型中包含多个可确定参数和一个随机参数的步骤之后还包括：
11.对多元维度因素参数降维处理，并将降维后的多元维度因素参数与响应潜力评估模型建立联系。
12.在本技术的一实施例中，所述对多元维度因素参数降维处理，并将降维后的多元维度因素参数与响应潜力评估模型建立联系的步骤包括：
13.建立多元维度因素矩阵；
14.按照贡献率要求提取主要成分；
15.将主要成分与响应潜力评估模型建立关系，并构建多元回归线性模型；
16.求解偏回归系数；
17.对可确定参数进行预测和评估；
18.求解随机参数。
19.在本技术的一实施例中，求解随机参数的具体步骤包括：
20.获取用户负荷基准曲线；
21.计算参与负荷响应的可调容量曲线；
22.计算可调容量曲线对应的随机参数，并建立集合；
23.针对集合建立高斯分布模型，求解随机参数。
24.在本技术的一实施例中，所述构建实际用电参数模型并求解的步骤包括：
25.构建由每日负荷最大值构成的集群；
26.对集群进行统计分析；
27.求解实际用电参数。
28.在本技术的一实施例中，所述获取影响工业用户电力需求响应潜力的多元维度因素参数的步骤中所述的多元维度因素参数包括：电力需求指数、行业规模增速、温度、平均负荷率、谷期负荷率、峰荷时间占比、谷荷时间占比。
29.本发明还提供一种虚拟电厂工业用户可调潜力预测装置，包括：
30.输入模块，所述输入模块用于获取多元维度因素参数，并对多元维度因素进行降维处理，得到多元维度矩阵；和
31.运算模块，用于构建可调潜力评估模型，并进行预测分析。
32.本发明还提供一种虚拟电厂工业用户可调潜力预测系统，包括：
33.至少一个处理器；和
34.存储器，存储有程序指令，其中，所述程序指令被配置为适于由所述至少一个处理器执行，所述程序指令包括用于执行如上所述的方法的指令，，所述虚拟电厂工业用户可调潜力预测方法包括如下步骤：
35.获取影响工业用户电力需求响应潜力的多元维度因素参数；
36.基于消费者心理学曲线构建响应潜力评估模型，所述响应潜力评估模型中包含多个可确定参数和一个随机参数；
37.构建实际用电参数模型；
38.基于响应潜力评估模型和实际用电参数模型构建可调电容量模型，对工业用户可调潜力进行预测。
39.本发明技术方案通过采用获取影响工业用户电力需求的响应潜力多元维度因素参数并构建响应潜力评估模型，扩充了数据范围，避免数据不足导致模型精度较低；
40.进一步地，构建用户实际用电参数模型，不仅限于工业用户在满负荷时的响应率，加入用户实际用电负荷状态，使数据更加精确，并基于响应潜力评估模型和实际用电模型构建可调电容量模型，以此来获取工业用户可调潜力，提高测评的准确度。
附图说明
41.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以
根据这些附图示出的结构获得其他的附图。
42.图1为本发明虚拟电厂工业用户可调潜力预测方法一实施例的流程示意图；
43.图2为本发明构建实际用电参数模型并求解步骤的一实施例的细化流程示意图；
44.图3为本发明基于消费者心理学需求响应模型一实施例的示意图；
45.图4为本发明每日最大负荷电能分布图；
46.图5为本发明标准化用电负荷分布图。
47.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
48.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。
49.随着经济的高速发展和负荷的不断增长，电力供需经常处于偏紧状态，电网高峰负荷压力增加，使得电网运行效率与经济性受到影响。由于用户的用电行为是随着不同因素变化的，在不同的用电行为下其可削减的负荷量也是变化的，为此必须动态及计算用户的可调潜力，深入研究电力用户的可调潜力分析技术，才能更好地制定需求响应策略，实现电力系统的经济运行。虚拟电厂作为一种新兴的市场参与者，可对电力缺口进行响应；其聚合的大型工业用户作为可调资源的一部分，有着不可或缺的作用。
50.目前尽管对于工业用户有着较为成熟的模型，但是对于虚拟电厂产品其在实用性方面有着更高的要求，有鉴于此，针对现有的结构及缺失予以研究改良，提出一种虚拟电厂工业用户可调潜力预测方法。
51.请参照图1，图1是本发明实施例提供的一种虚拟电厂工业用户可调潜力预测方法的流程图，如图1所示，包括以下步骤：
52.步骤s1，获取影响工业用户电力需求响应潜力的多元维度因素参数；
53.步骤s2，基于消费者心理学曲线构建响应潜力评估模型，所述响应潜力评估模型中包含多个可确定参数和一个随机参数；
54.步骤s3，构建实际用电参数模型；
55.步骤s4，基于响应潜力评估模型和实际用电参数模型构建可调电容量模型，对工业用户可调潜力进行预测。
56.可以理解地，上述方法首先需要获取过去n天的负荷曲线数据，负荷曲线数据可以为96点曲线，其中包含参与响应的负荷曲线与未参与响应的负荷曲线；同时还包括了响应的具体时间以及激励价格。除此之外，还需获取影响工业用户电力需求可调潜力的多元维度因素的数据，多元维度包括了经济层面的电力需求指数，行业规模增速，气象层面的温度和负荷曲线的特征值，进而指导工业负荷侧的可调潜力预测，优化了需求响应时工业负荷侧的负荷曲线。
57.月度数据包括：电力需求指数与行业规模增速；
58.电力需求指数：用户当月电费/当月营收；
59.行业规模增速：用户当月行业总营收/去年行业总营收-1；
60.日度数据包括：温度和负荷曲线的特征值；
61.温度：(当天的最高温度+最低温度)/2；
62.负荷曲线的特征值包括：
63.平均负荷率：当日平均负荷/当日最大负荷；
64.峰谷差率：(当日最大负荷-当日最小负荷)/当日最大负荷；
65.峰期负荷率：所有峰期负荷/当日所有负荷之和(峰期负荷定义为大于最小负荷+0.8
×
(最大负荷-最小负荷))；
66.谷期负荷率：所有谷期负荷/当日所有负荷之和(谷期负荷定义为小于最小负荷+0.2
×
(最大负荷-最小负荷))；
67.峰荷时间占比：峰期负荷出现的次数/负荷曲线总节点；
68.谷荷时间占比：谷期负荷出现的次数/负荷曲线总节点；
69.在步骤s2中，基于消费者心理学曲线构建响应潜力评估模型，所述响应潜力评估模型中包含多个可确定参数和随机参数，详细过程如下：
70.不同行业用户由于管理者对于电力成本管控力度的差异性，其用电行为随着电价变化、激励的敏感程度不同，因而响应程度也不尽相同，根据消费者以最小成本实现最大用能价值的心理倾向，电力用户参与需求的响应也满足一定的规律，一般将用户参与需求响应的响应率与激励强度的关系描述为一个分段线性函数，参考图3所示，图中点a为激励价格的死区拐点，b为激励强度的饱和拐点。随着激励强度的增大，用户响应行为会经历由死区到线性区再到饱和区的变化。当激励强度处于死区与饱和区时，用户的响应随机性较小；当激励强度处于线性区时，用户的响应随机性呈现出先增大后减小的规律。
71.一般认为用户只在线性区具有明显的响应随机性。同时r1、r2为可通过用户调研得到的数据，即死区和饱和区都有着较为固定的模型，因此模型的构建重点在于线性区。为了准确刻画线性区响应的不确定集合，将线性响应区的模型简化为二次函数：
72.μ＝r4(δ-a)(δ-b)
73.式中：r4、a、b为二次函数的参数；μ为用户响应率，范围在0到1之间；δ为激励价格。将(r1,0)和(r2,r3)带入后可得到线性区响应曲线：
[0074][0075]
将r4建模为随机参数，则可根据r4刻画线性区响应随机特性。因此，用户需求响应模型最终由可确定参数r1、r2、r3与随机参数r4共同构建。用户的确定参数具有个体差异性，而随机参数具有行业相似性，因此，可以通过确定参数去刻画不同用户的响应差异性，而对于同一用户，其响应差异性主要分布在线性区，由随机参数刻画。
[0076]
需要说明的是，需求响应示范项目的试点用户一般与电网具有一定合作关系并装有智能电表等高密度采集装置，其响应特性确定参数可基于用户调研和采集装置量测数据分析得到，在本实施例中，r1、r2、r3可以直接通过用户调研得到，具体地，r1为死区阈值，可以通过电能成本在其终端中销售的占比进行判断；r2为饱和区拐点横坐标，r3为饱和区拐点纵坐标(对应最大负荷转移率)，可以通过了解该行业生产特性和生产设备用电特性得到，根据企业安保办公负荷大小以及调班、库存成本等的大小而有不同，r2和r3越高说明用户可响应的区间越大，即生产调节能力越强。
[0077]
在本技术的一实施例中，在步骤s2，基于消费者心理学曲线构建响应潜力评估模型，所述响应潜力评估模型中包含多个可确定参数和一个随机参数的步骤之后还包括：
[0078]
对多元维度因素参数降维处理，并将降维后的多元维度因素参数与响应潜力评估
模型建立联系。
[0079]
多元维度因素可以包括：电力需求指数、行业规模增速、温度、平均负荷率、峰谷差率、峰期负荷率、谷期负荷率、峰荷时间占比、谷荷时间占比。则某一用户过去n天，共有n
×
9的多元维度因素矩阵。
[0080][0081]
计算出所有的主成分指标，并按照贡献率达到85％提取主成分或主成分数量达到5个，其中主成分fi可表示为fi＝aiz1+a2z2+...+a9z9；且i≤5。
[0082]
将主成分与模型建立关系，构建多元回归线性回归模型，其中r1、r2、r3均可为调研得到的信息，为n
×
1列向量：
[0083][0084]
其中的参数b为偏回归系数，即某一主成分对模型参数r的影响程度.求解出偏回归系数，进而对r1、r2、r3进行预测及评估。
[0085]
在本技术的一实施例中，在步骤对多元维度因素参数降维处理，并将降维后的多元维度因素参数与响应潜力评估模型建立联系的步骤包括：
[0086]
建立多元维度因素矩阵；
[0087]
按照贡献率要求提取主要成分；
[0088]
将主要成分与响应潜力评估模型建立关系，并构建多元回归线性模型；
[0089]
求解偏回归系数；
[0090]
对可确定参数进行预测和评估；
[0091]
求解随机参数。
[0092]
具体地，多元维度因素可以包括：电力需求指数、行业规模增速、温度、平均负荷率、峰谷差率、峰期负荷率、谷期负荷率、峰荷时间占比、谷荷时间占比。则某一用户过去n天，共有n
×
9的多元维度因素矩阵。
[0093]
计算出主成分指标，并按照贡献率达到85％提取主要成分，或者主成分的数量可以为五个；
[0094]
将主成分与响应潜力评估模型建立关系，构建多元回归线性模型，其中的可确定参数均可以调研得到的信息，在本实施例中，可确定参数为r1、r2、r3，其中，r1和r2可以为激励强度，可以通过调研获取，可以为每度电的单价，r3为响应率，可以为不同行业的参数，行业不同响应率也不相同，也可以根据调研获取；
[0095]
进一步地，对偏回归系数进行求解，进而对可确定参数进行评估。
[0096]
在求解随机参数的步骤中，对随机参数r4进行求解。
[0097]
在本技术的一实施例中，求解随机参数的具体步骤包括：
[0098]
获取用户负荷基准曲线；
[0099]
计算参与负荷响应的可调容量曲线；
[0100]
计算可调容量曲线对应的随机参数，并建立集合；
[0101]
针对集合建立高斯分布模型，求解随机参数。
[0102]
在步骤获取用户负荷基准曲线中，用户负荷基准曲线的第i天t时刻的基准负荷为
[0103]
进一步地，在步骤计算参与负荷响应的可调容量曲线中，根据第i天测得的实际负荷曲线，提取第i天的t时刻实际负荷功率计算当前节点的调整容量，
[0104]
进一步地，计算出参与负荷响应的可调容量曲线对应的随机参数r4，将已知第i甜的激励价格δi和可调容量分别带入δ和μ，根据公式：
[0105][0106]
可以计算出当天的随机参数r4的值，并分别计算参与统计的天数的随机参数r4的值，并将所求出的r4的值建立集合r4；
[0107]
进一步地，根据集合r4建立高斯分布模型，通常情况下，r4取
[0108]
如图2所示，在本技术的一实施例中，步骤s3，构建实际用电参数模型并求解的步骤包括：
[0109]
步骤s301，构建由每日负荷最大值构成的集群；
[0110]
步骤s302，对集群进行统计分析；
[0111]
步骤s303，求解实际用电参数。
[0112]
可以理解地，对实际用电参数建模并进行求解，需要了解工业用户的实际用电负荷特征，选取过去n天的每日用电最大值，构成一个由每日负荷最大值构成的集群w；
[0113]
进一步地，对该集群进行统计分析。集群内的最大值为w
max
，集群内的最小值为w
min
，最大值与最小值的差值为δw＝w
max-w
min
，根据上述数据形成每日最大负荷电能分布图，其中，横轴表示用电负荷，以w
max
表示为横坐标最大值，纵坐标表示电能点数。如图4所示，电能点数在w
min
+0.9δw时达到峰值，表示每日负荷最大值的电能点数分布在[w
min
+0.9δw，wmax]时最多，此时，我们认为该工厂的峰值用电量此区间，取该区间的中间点w
min
+0.95δw为p*，p*表示一般情况下的巅峰用电值。
[0114]
进一步地，对过去n天的负荷用电能点进行统计，共有96
×
n个点进行统计，并进行标准化，范围(0，p
*
)对应(0,1)，将标准化后的数据范围按照0.05的最小单元进行划分，并求取电能点的分布函数，用电电能的标准化后的统计值如图5所示，其中共有三个峰值点，分别为0.05,0.55,0.85，对应值为最经济的负荷分布状态。
[0115]
选取上述三个峰值与p
*
组成分布的标准化节点，即横坐标，d1、d2、d3、d
*
；
[0116]
d1＝0.05，d2＝0.55，d3＝0.85，d
*
＝1，
[0117]
其中0.05代表着(0，0.05)的范围，即负荷在停用电能的状态下，因此我们将d1＝0。
[0118]
由此该工业用户的用电状态我们认为由四种状态，分别是标准化的电能范围为(0,(d1+d2)/2)，((d1+d2)/2,(d2+d3)/2)，((d2+d3)/2,(d3+d4)/2)，((d3+d4)/2,∞)时，由此我
们得出实际用电参数m的具体模型及表达公式：
[0119][0120]
由此，可以计算出实际用电参数m的值。
[0121]
进一步地，根据公式
[0122][0123]
可以得到用户响应率μ，但μ仅仅考虑了大工业用户用户满负荷时的响应率，并未考虑用户的实际用电负荷状态。工业用电具有适应经济的特征，通常情况下有不同的用电状态。例如某工厂在全力赶工时，新设备和老设备同时使用，负荷较高；而在不赶工的时候，则只使用经济性能更优的新设备。因此，为了更加适合工业用户的使用，增添实际用电参数m，以此提高用户响应的精度；
[0124]
对μ所作出的响应率使用实用系数进行相乘，使得求取出的可调容量可用于虚拟电厂产品的日内的实时显示或者日前预测。公式如下：
[0125]
p
可调
＝p
总
*μ*m
[0126]
式中p
可调
为可调容量，p
总
为实时/预测的负荷曲线，选取实时/预测主要根据产品用途。通常情况下，产品实时显示或参与实时响应时，选取实时负荷曲线，而日前响应的投标及下发需要用到预测的负荷曲线。
[0127]
根据前述步骤计算出实际用电参数m，再根据公式计算出可调潜力p
可调
，对工业用户可调潜力进行预测，由于在本方案中，加入了工业用户的实际用电参数，使整个模型对于工业用户可调潜力预测更加精确。
[0128]
在本技术的一实施例中，所述获取影响工业用户电力需求响应潜力的多元维度因素参数的步骤中所述的多元维度因素参数包括：电力需求指数、行业规模增速、温度、平均负荷率、谷期负荷率、峰荷时间占比、谷荷时间占比。通过扩大评估的数据范围，避免数据不足导致评测模型精度较低，提升评测的精准度。
[0129]
本发明还提供一种虚拟电厂工业用户可调潜力预测装置，包括：
[0130]
输入模块，所述输入模块用于获取多元维度因素参数，并对多元维度因素进行降维处理，得到多元维度矩阵；和
[0131]
运算模块，用于构建可调潜力评估模型，并进行预测分析。
[0132]
本发明还提供一种虚拟电厂工业用户可调潜力预测系统，包括：
[0133]
至少一个处理器；和
[0134]
存储器，存储有程序指令，其中，所述程序指令被配置为适于由所述至少一个处理器执行，所述程序指令包括用于执行如上所述的方法的指令。
[0135]
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而
且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
[0136]
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
[0137]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
[0138]
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

技术特征：
1.一种虚拟电厂工业用户可调潜力预测方法，其特征在于，包括：获取影响工业用户电力需求响应潜力的多元维度因素参数；基于消费者心理学曲线构建响应潜力评估模型，所述响应潜力评估模型中包含多个可确定参数和一个随机参数；构建实际用电参数模型；基于响应潜力评估模型和实际用电参数模型构建可调电容量模型，对工业用户可调潜力进行预测。2.如权利要求1所述的虚拟电厂工业用户可调潜力预测方法，其特征在于，所述基于消费者心理学曲线构建响应潜力评估模型，所述响应潜力评估模型中包含多个可确定参数和一个随机参数的步骤之后还包括：对多元维度因素参数降维处理，并将降维后的多元维度因素参数与响应潜力评估模型建立联系。3.如权利要求2所述的虚拟电厂工业用户可调潜力预测方法，其特征在于，所述对多元维度因素参数降维处理，并将降维后的多元维度因素参数与响应潜力评估模型建立联系的步骤包括：建立多元维度因素矩阵；按照贡献率要求提取主要成分；将主要成分与响应潜力评估模型建立关系，并构建多元回归线性模型；求解偏回归系数；对可确定参数进行预测和评估；求解随机参数。4.如权利要求3所述的虚拟电厂工业用户可调潜力预测方法，其特征在于，求解随机参数的具体步骤包括：获取用户负荷基准曲线；计算参与负荷响应的可调容量曲线；计算可调容量曲线对应的随机参数，并建立集合；针对集合建立高斯分布模型，求解随机参数。5.如权利要求1所述的虚拟电厂工业用户可调潜力预测方法，其特征在于，所述构建实际用电参数模型并求解的步骤包括：构建由每日负荷最大值构成的集群；对集群进行统计分析；求解实际用电参数。6.如权利要求1所述的虚拟电厂工业用户可调潜力预测方法，其特征在于，所述获取影响工业用户电力需求响应潜力的多元维度因素参数的步骤中所述的多元维度因素参数包括：电力需求指数、行业规模增速、温度、平均负荷率、谷期负荷率、峰荷时间占比、谷荷时间占比。7.一种虚拟电厂工业用户可调潜力预测装置，其特征在于，包括：输入模块，所述输入模块用于获取多元维度因素参数，并对多元维度因素进行降维处理，得到多元维度矩阵；和
运算模块，用于构建可调潜力评估模型，并进行预测分析。8.一种虚拟电厂工业用户可调潜力预测系统，其特征在于，包括：至少一个处理器；和存储器，存储有程序指令，其中，所述程序指令被配置为适于由所述至少一个处理器执行，所述程序指令包括用于执行如权利要求1至6中任一所述的方法的指令。

技术总结
本发明涉及可调负荷潜力计算技术领域，特别涉及一种虚拟电厂工业用户可调潜力预测方法、装置及系统，其中，虚拟电厂工业用户可调潜力预测方法，包括：获取影响工业用户电力需求响应潜力的多元维度因素参数；基于消费者心理学曲线构建响应潜力评估模型，所述响应潜力评估模型中包含多个可确定参数和一个随机参数；构建实际用电参数模型；基于响应潜力评估模型和实际用电参数模型构建可调电容量模型，对工业用户可调潜力进行预测。本发明技术方案旨在提高评估工业用户可调潜力的精准度。提高评估工业用户可调潜力的精准度。提高评估工业用户可调潜力的精准度。


技术研发人员：刘群 崔永林 陈光 张续墩 郭玉华
受保护的技术使用者：东方众通科技发展集团有限公司
技术研发日：2023.05.17
技术公布日：2023/8/6