一种电力系统中的功率供需匹配可行性分析方法

摘要

本发明公开了一种电力系统中的功率供需匹配可行性分析方法，该方法通过对发电系统进行出力预测和对电力用户的负荷端用电需求进行功率预测从而进行供需匹配和交易可行性分析；包括以下步骤：S1：基于Markov对发电系统的风力发电功率进行中长期预测；S2：对不同类型的电力用户的负荷需求进行预测；S3：基于Hausdorff距离比较发电系统中的发电企业和电力用户供需曲线的相似度，将相似度高的供需两端用户进行匹配，分析大用户直接交易的可行性。

说明书

技术领域

本发明涉及电力市场领域，涉及在供需双侧参与市场交易的情况下，供需双侧用户交易可行性的分析，尤其涉及一种电力系统中的功率供需匹配可行性分析方法。

背景技术

过去的几十年，电力行业为支持经济增长，把满足电力需求作为首要的发展目标。电力行业当时存在的主要矛盾是供给能力不足，因此发电行业重在规模扩张。随着经济增长逐渐放缓，电力供需已经由不足转为相对过剩，提高效率便逐渐成为首要发展目标。因此实行电力改革，发电环节的有效竞争也日益重要起来。发电侧方面，未来的发展模式将会由扩大规模逐渐变为争取更多的电量。

2015年3月，国务院发布《关于进一步深化电力体制改革的若干意见(中发〔2015〕9号)文》(后文简称《意见》)，提出要放开计划调度电量和放开售电侧，允许发电企业参与售电，为放开发用电计划及发电企业争取电量提供了可行性，而售电侧放开则为发电企业提供了自己卖电的可能性。

新电改形势下，清洁能源参与的大用户直购电交易将会成为电力市场交易主要品种之一。清洁能源具有波动性大及随机性强等特点，其波动性与季节、地区及电厂规模等因素有关。并且不同的发电形式具有不同的出力特性，不同行业的负荷特性也具有很大的差异。对供需双侧用户的出力负荷特性曲线进行匹配，确定供需双侧用户直接交易的可行性，进一步对交易达成提供保障，可使得清洁能源更好的被消纳，同时可缓解火电企业的调峰压力。根据历史数据，可用概率指标描述电厂的波动性特征，总结出一个分布式能源出力的通用模型，同时可用概率指标描述负荷的波动特征，再利用一定的方法对其进行匹配。

由于新能源和分布式能源参与直购电交易的增多和售电侧的开放等不确定因素，电力交易在执行过程中面临很多风险威胁。因此，对供需双侧用户的可行性进行分析，将出力供给特性曲线进行匹配，可使得交易执行的可能性变大，维护电力系统的安全运行。

发明内容

根据现有技术中要对发电系统和电力用户进行合理有效的功率预测，根据预测结果将双方功率进行匹配，分析交易可行性。本发明的目的是对供需双侧特性曲线进行描绘，并对参与市场交易的可行性进行分析，为进一步对大用户直接交易风险评估提供支持。

为实现上述目的，本发明提出如下技术方案：一种电力系统中的功率供需匹配可行性分析方法，其特征在于：该方法通过对发电系统进行出力预测和对电力用户的负荷端用电需求进行功率预测从而进行供需匹配和交易可行性分析；包括以下步骤：

S1：基于Markov对发电系统的风力发电功率进行中长期预测；

S2：对不同类型的电力用户的负荷需求进行预测；

S3：基于Hausdorff距离比较发电系统中的发电企业和电力用户供需曲线的相似度，将相似度高的供需两端用户进行匹配，分析大用户直接交易的可行性。

S1具体采用如下方式：

对发电企业的出力进行状态划分，计算该出力的状态初始概率向量和对应的概率转移矩阵，对下一时刻出力所在状态进行预测：首先对分布式能源出力波动量的幅度变化进行评估，把分布式能源出力时间序列进行一阶差分，获得分布式能源出力波动；

其中发电企业的出力的时间序列为{x₁,x₂,,x_n,x_n+1}，该序列的取值范围按阈值划分为r个离散状态集合S＝{s₁,s₂,,s_r}，基于t时刻波动量状态序列的前n个值，计算t+1时刻波动量的值x_n+1落入S＝{s₁,s₂,,s_r}中的哪个状态，若波动量序列的前n个数据x₁,x₂,,x_n中有N_i个数据落在s_i中则状态s_i发生的频率为：

将发电企业的出力不同状态下的波动量的最初概率定义为向量即得到最初概率向量R(t)^T，根据最初概率向量R(t)^T获得状态转移矩阵以状态转移矩阵反映分布式能源的中长期出力特性及日出力特性，根据得到的概率向量绘制分布式能源出力特性曲线。

S2具体采用如下方式：

根据用电量大小及户数规模选取不同行业用户中用电量大的用户为研究对象，搜集各类行业K_i个样本用户日用电量Q_ikt和每一时刻的负荷f_ikt，得出不同行业在不同时刻标幺化后的负荷叠加数据再将上述数据进行拟合，得到不同行业的负荷拟合典型曲线的表达式根据该表达式绘制需求特性曲线。

S3具体采用如下方式：

将发电系统的风力发电功率、电力用户的日出力曲线和日负荷曲线都分割成多个时段，并记录每个时段该用户的数值形成两个包含多个点的点集，分别为A＝{a₁,a₂,…,a_n},B＝{b₁,b₂,…,b_n}，计算这两个点集之间的Hausdorff距离H(A,B)＝max(h(A,B),h(B,A))，即点集之间点的最小值的最大值，Hausdorff距离度量了两个点集之间的最大不匹配度，如果Hausdorff距离越小，说明两个点集之间的不匹配度越低，供需双侧曲线的相似度越高，交易达成的可能性越大，可行性越高；反之，Hausdorff距离越大，供需双侧用户直接交易的可行性越低；同理，对大用户直接的中长期交易进行可行性分析，将供需两侧用户的年出力曲线及年负荷曲线都分割成多个时段，并记录每个时段该用户的数值，形成两个包含多个点的点集，分别为A＝{a₁,a₂,…,a_n},B＝{b₁,b₂,…,b_n}，计算这两个点集之间的Hausdorff距离H(A,B)＝max(h(A,B),h(B,A))，即点集之间点的最小值的最大值，Hausdorff距离度量了两个点集之间的最大不匹配度，Hausdorff距离越小，说明两个点集之间的不匹配度越低，供需双侧曲线的相似度越高，交易达成的可能性越大，可行性越高；反之，Hausdorff距离越大，供需双侧用户直接交易的可行性越低。

由于采用了上述技术方案，本发明提供的一种电力系统中的功率供需匹配可行性分析方法，有益效果在于：1、对波动性可再生能源发电做出合理预测，计及供需双侧皆具有随机波动性，在双侧大用户波动的条件下考虑交易是否可能达成，更贴近现实情况。2、以供需双侧特性曲线为参考核心，合理的分析了在此情况下对于可能的购售合同供输用三方基于发用电特性考虑参与市场交易的可能性。3、为日后对于已签订的购售合同，以单位电量为基础做出对应风险评估提供支撑。

附图说明

为了更清楚地说明本申请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申请中记载的一些实施例，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获得其他的附图。

图1为本发明方法的流程图。

具体实施方式

为使本发明的技术方案和优点更加清楚，下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚完整的描述：

如图1所示的一种电力系统中的功率供需匹配可行性分析方法，具体步骤为：

S1：对发电系统的出力进行状态划分，计算该出力的状态初始概率向量以及对应的概率转移矩阵，对下一时刻出力所在状态进行预测；

S2：对需求侧用户的用电特性进行研究，对不同行业的用电负荷进行标幺统一，绘制需求特性曲线；

S3：利用Hausdorff距离，分析发电企业的出力曲线及需求侧用户的用电曲线之间的相似程度，相似度高的两条曲线进行匹配。

上述步骤1)中，首先需要对发电企业的出力进行状态划分。对风电功率波动量的幅度变化进行评估，确定其阈值。把风电功率时间序列进行一阶差分，获得风电出力波动量的时间序列{x₁,x₂,,x_n,x_n+1}，则该序列的取值范围可按阈值划分为r个离散的状态集合S＝{s₁,s₂,,s_r}。

随后基于t时刻波动量状态序列的前n个值，计算t+1时刻波动量的值x_n+1会落入s₁,s₂,,s_r中的哪个状态。若波动量序列的前n个数据x₁,x₂,,x_n中，有N_i个数据落在s_i中，有则状态s_i发生的频率为：

最后，将不同状态下的波动量的最初概率写成向量，即可得到最初概率向量R(t)^T。最终可得状态转移矩阵即计算发电企业的出力的状态初始概率向量，计算对应的概率转移矩阵，以此反映风电的中长期出力特性，使之能够对下一时刻出力所在状态进行预测。

上述步骤2)中，需要对于不同电力用户的负荷需求的预测，则有：

需要按照用电量大小及户数规模，选取不同行业用户用电量比较大的用户为典型样本用户，搜集各类行业K_i个典型样本用户的典型日的日用电量Q_ikt及每一时刻的负荷f_ikt，得出不同行业在不同时刻标幺化后的负荷叠加数据再将上述数据进行拟合，得到不同行业的负荷拟合典型曲线的表达式根据该表达式绘制需求特性曲线。

上述步骤3)中，需要将上述两侧用户的日出力曲线及日负荷曲线都分割成多(数值可为24、48、96等)个时段，并记录每个时段该用户的数值，形成两个包含多个点的点集，分别为A＝{a₁,a₂,…,a_n},B＝{b₁,b₂,…,b_n}。计算这两个点集之间的Hausdorff距离H(A,B)＝max(h(A,B),h(B,A))，即点集之间点的最小值的最大值。Hausdorff距离度量了两个点集之间的最大不匹配度，可以比较出供需曲线的相似程度，Hausdorff距离越小，说明两个点集之间的不匹配度越低，供需双侧曲线的相似度越高，交易可能达成的可能性越大，可行性越高；反之，Hausdorff距离越大，供需双侧用户直接交易的可行性越低。所以，在大用户直接交易中，选取供需曲线相似的双侧用户进行交易。此方法应用于日变化规律的分布式能源，如光伏发电等。

同理，可对大用户直接的中长期交易进行可行性分析，将供需两侧用户的年出力曲线及年负荷曲线都分割成多(数值可为24、48、96等)个时段，并记录每个时段该用户的数值，形成两个包含多个点的点集，分别为A＝{a₁,a₂,…,a_n},B＝{b₁,b₂,…,b_n}。计算这两个点集之间的Hausdorff距离H(A,B)＝max(h(A,B),h(B,A))，即点集之间点的最小值的最大值。Hausdorff距离度量了两个点集之间的最大不匹配度，可以比较出供需曲线的相似程度，Hausdorff距离越小，说明两个点集之间的不匹配度越低，供需双侧曲线的相似度越高，交易可能达成的可能性越大，可行性越高；反之，Hausdorff距离越大，供需双侧用户直接交易的可行性越低。所以，在大用户直接交易中，选取供需曲线相似的双侧用户进行交易。此方法应用于年变化规律的分布式能源，如水力发电等。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。