需求侧管理中精细化有序用电决策方法研究

摘要

随着我国经济的高速发展，电力需求持续旺盛，使得部分地区电力供需紧张问题周期性出现。峰谷电价政策能够一定程度缓解高峰时期用电紧张，但由于用户分散决策和自主响应的不确定性，未来一段时间内有序用电仍将作为移峰填谷的主要手段。目前有序用电工作实施过程中的问题主要有:缺乏完善的有序用电决策架构、用户处于被动参与状态、对用户用电特点跟踪不及时等。针对目前有序用电工作中存在的不足，本文提出了一种基于大用户日负荷曲线分类的精细化有序用电决策方法。
　　首先，通过调研获取某地区用户信息及历史负荷运行数据。经预处理后，采用C-K聚类算法对每个用户的历史日负荷曲线进行分类，得到其典型日、非典型日及异常日负荷曲线形态。对同一用户的不同负荷曲线形态进行统计并以相关指标量化，分析其各种负荷类型对于移峰和填谷的响应期望。进而根据不同负荷类型的影响因素建立用户日负荷决策备选集，为有序用电及其它需求侧管理工作的开展提供精细化的负荷数据。
　　在此基础上，从电力系统可靠性、分时电价、用户补偿、有序用电负荷管理手段四个层面分析了有序用电决策的直接影响因素，从周末负荷备用率、用户侧约束两个角度分析了有序用电决策的间接影响因素。通过上述分析，在满足系统可靠性的基础上，以供电公司和用户的综合效益最优为决策目标，建立了精细化有序用电决策方法的数学模型。通过设计新峰约束、用户最小负荷约束等一系列约束条件，使决策模型更具实用性。
　　最后，通过遗传算法工具箱及自编工具包在MATLAB R2014b环境下对本文所构建的模型进行仿真。分别实现了模型在只考虑可靠性、兼顾可靠性与经济性、计及周末负荷率约束、计及变电站容量约束、计及用户侧约束五个场景下的有序用电决策过程。进而结合该地区分布式能源的出力预测曲线，分析了分布式能源对于该地区削峰填谷的经济效益。最后，建立了传统有序用电决策模型和拉闸限电决策模型，并与精细化决策模型的决策效果对比，分析了三种负荷管理方式各自的优缺点。

目录

声明

致谢

摘要

1 绪论

1．1 课题研究的背景与意义

1．2 需求侧管理的国内外现状

1．2．1 国外现状

1．2．2 国内现状

1．3 本文主要研究内容

2 大用户日负荷曲线分类

2．1 基于Fayyad过程模型的负荷曲线分类架构

2．2 用户数据筛选及预处理

2．3 用户日负荷曲线分类

2．3．1 Canopy聚类算法

2．3．2 K-means聚类算法

2．3．3 利用C-K聚类算法对用户日负荷曲线分类

2．4 大用户日负荷决策备选集构建

2．5 本章小结

3 智能电网下有序用电影响因素分析

3．1 电力系统可靠性指标

3．2 分时电价

3．3 用户补偿

3．4 负荷管理手段

3．5 间接影响因素

3．6 本章小结

4 有序用电决策模型构建

4．1 决策模型的设定

4．2 决策模型的构建

4．2．1 决策模型目标函数

4．2．2 大用户负荷变化模型

4．2．3 电力公司经济成本模型

4．2．4 系统可靠性目标模型

4．2．5 变电站过载限制模型

4．3 决策模型约束条件

4．4 基于遗传算法的有序用电优化

4．5 本章小结

5 算例分析

5．1 算例数据基础

5．2 有序用电决策模型仿真

5．2．1 仅考虑系统可靠性决策

5．2．2 计及经济成本决策

5．2．3 计及周末负荷备用率决策

5．2．4 计及变电站容量约束决策

5．2．5 计及用户侧约束决策

5．3 分布式能源的削峰效益分析

5．4 新型方案与传统方案的对比

5．5 本章小结

6 总结与展望

参考文献

附录

作者简历及攻读硕士学位期间取得的研究成果

学位论文数据集