英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料
使用主动负荷管理对短期负荷预测的需求侧改进——一个超市用例
摘要
未来的电网高度依赖供需双方的合作。合作的一种可能性是让需求终端用户参与日前负荷规划过程。终端用户可以提供他们的短期负荷预测(STLF)通过加入当地的知识,通常无法获得负载聚合器。此外,局部负荷管理功能甚至可以提供一种方法来减少此前宣布的负荷曲线之间的差异和实际消费。本文演示了如何STLF和主动负荷管理方法可以有效地为超市用例相结合。简单的用例表明,即使STLF预测,包括季节性和回归模型部分,可以提供相当准确的模型。此外,将制冷系统的功能的需求使偏离预测的需求得到有效降低,因此增加此前宣布的需求计划的准确性。这种方法可以扩展到各种STLF精度高的终端用户提供一种手段直接参与电力市场,参与一些小说(非)合作交易计划,或直接支持负载聚合器。
关键词：短期负荷预测 需求预测 季节效应 回归 需求管理 制冷
未来的电网高度依赖供需双方的合作。合作的一种可能性是让需求终端用户参与日前负荷规划过程。终端用户可以提供他们的短期负荷预测(STLF)通过加入当地的知识,通常无法获得负载聚合器。此外,局部负荷管理功能甚至可以提供一种方法来减少此前宣布的负荷曲线之间的差异和实际消费。本文演示了如何STLF和主动负荷管理方法可以有效地为超市用例相结合。简单的用例表明,即使STLF预测,包括季节性和回归模型部分,可以提供相当准确的模型。此外,将制冷系统的功能的需求使偏离预测的需求得到有效降低,因此增加此前宣布的需求计划的准确性。这种方法可以扩展到各种STLF精度高的终端用户提供一种手段直接参与电力市场,参与一些小说(非)合作交易计划,或直接支持负载聚合器。
关键词：短期负荷预测 需求预测 季节效应 回归 需求管理 制冷
- 介绍
智能电网的主要任务是改善电网供需侧的相互作用。在这方面，智能电网正在改变消费者的角色。在配电系统内。从他们的被动角色，当只提供统一费率时，消费者现在受到了刺激，积极参与网络优化过程，例如参与需求方管理行动[1,2]。因此，现在许多消费者能够监控、预测和管理他们的日常电力负荷，因为这可以给他们带来一些好处。在财政激励和减少消费方面的好处。
在未来的电网中，当地的电力生产者和消费者之间可能会有更直接的联系。这将形成更小的环境，如微电网，将整合各种分布式电力资源。如果准确的需求可预测性和随之而来的生产需求稳定性能够做到一点,如能在地方一级实现，整个电网。为了实现这一点，需要精确的知道需求侧STLFs所需要的，并有望发挥更重要的作用。需求侧负荷预测是目前比较典型的方法，通过负载聚合器预测聚合的电力需求客户资料。但是，短期负荷预测(STLF)，消费者所报告的也可以是终端用户积极支持电力取得和分配过程的方法，从而是减少电力成本的一种手段。消费者可以使用他们的STLF直接参与批发市场，支持零售商对预期需求进行准确预测，或参与一些新颖的提前投标策略，如[3-6]。本文的目的是展示需求侧(电力消费者)如何能够提供准确的需求预测，并将与报告的配置文件的偏差最小化。主要的想法是将(i) STLF预测器与(ii)主动局部负荷管理方法相结合可以显著改善日前预测与实际电力需求之间的差异。因此，需求方可以提供不确定性降低的预测，将批发市场对实时能源平衡的需求最小化，并在地方层面提高生产需求的稳定性。
该方法在超市用例中进行了演示。首先，概述测量的总功耗数据。从用例超市出发，给出了一个简单的STLF模型，由季节和回归两部分组成。为了主动管理实际电力需求，利用制冷系统的负荷转移能力。最终的验证该方法是在先前开发的仿真基础上进行的制冷系统模型[7]。
本文的结构如下。在第二部分中，给出了相关主题的更详细的概述。第三部分正式问题并介绍了用例。第四部分，STLF模型开发过程。将在第五部分中概述应用主动负荷管理方法对STLF进行了改进。最后给出了结论在第六节。
- 背景
2.1 电力市场
大部分能源要么通过长期交易出售(双边协议)，要么短期贸易。短期交易由批发市场和均衡市场组成，其中零售商支付的最终总成本包括前一天的市场能源费用和平衡市场能源费用。
以拍卖为基础的电力定价在批发市场上进行，在批发市场上，生产商前一天的报价是匹配的零售商的出价。电能最终批发价是根据供需原则设定的。
互补的实时平衡市场发挥了作用补偿实时和日前之间的偏差预定的能源需求。平衡市场价格是可能的在每一个不平衡结算期间，正、零或负，在哪里可以为每个不平衡方向设置不同的价格(积极的和消极的)。价格的计算方法就是这样反射能量的实时值，同时进行调整激励负责任的各方保持平衡或提供帮助系统恢复平衡[8]。
这种提前一天的市场的主要好处是它提供通过价格对生产者和消费者都有显著的好处透明度，降低价格的不确定性，降低战略博弈、单位承诺确定性和需求方(消费者)参与[9]的便利。
2.2 需求侧负荷预测的好处
终端用户大多更愿意从零售供应商那里购买电力，因为它们代表保护消费者的负载聚合器(终端用户)从金融风险批发市场[10]。风险主要源于高挥发性的电力批发价格和不确定的环境，由于不确定的供应提供不可预测的能源消费的最终用户。但是，由于市场自由化，消费者现在在能源批发市场上可以直接购买，如果他们能提供一个准确的STLF，这可以得到特别的好处。
为了管理市场上固有的财务风险，零售电力供应商通常采用一些帮助策略，比如建立一个有效的容量组合，在风险和回报[11]之间进行不同程度的权衡，或者评估有效性，以激励为基础的需求响应方案，同时考虑了日前负荷需求和电价[10]的不确定性。在此上下文中，能够提供前一天不确定性低的负载概要文件的消费者，可以是一个零售电力供应商的宝贵资产。他们会提供一种降低风险因素、改善投组合的，并且提高系统稳定性和可预测性的方法。增加前一天消费的可预测性，将降低零售电力供应商购买电力的风险高于他们的销售价格，将使他们能够有更多有效地实现多种方法的组合，来管理财务风险(如使用分布式发电机组、储能系统)为了获得最终用户的支持，零售商甚至可以为他们提供一些激励措施，以反映出消费者的需求终端用户日前需求预测的准确性。
另一个用户可以从精确中获益的选项STLF是通过新的能源交易模型来表示的。例如，SunContract平台[6]直接连接电力生产商和消费者。它的愿景是支持本地能源以可再生能源和同行领先的能源交易为基础的自我可持续发展。此外，还提出了若干自治电力合作社，以促进聚集不同的商业和住宅用电用户的想法，以便他们共同参与批发市场。例如，Ehsanfar等人提出了一个公理：计算前一天出价的方法和分解参与者之间的集体成本的方法。该系统是开发的方式，以保持成员的激励和动机，对他们的负荷配置文件的预测是真实的为用户显示好处。Atzeni等[4,5]提出了两个日前招标的方法，用于合作和非合作的方式。这些新的电力交易期权通常期望参与者提前一天提供需求预测及其不确定性。因此，终端用户的能力提供准确的需求曲线直接反映在最终的电费中，甚至以罚款的形式出现。
2.3短期负荷预测（STLF）
STLF是以天或周为单位的时间尺度进行演出的负载需求管理的重要角色。STLF场处理均值和方差的非平稳性问题，多种季节变化、趋势以及多种外部因素的影响。问题的高度复杂性反映在广泛的研究活动中。
最传统的STLF方法是使用统计方法时间序列模型，如ARIMA(自回归综合移动)[12,13]、季节性ARIMA(SARIMA)[14,15]或指数平滑[16]。这些建模技术通常被用作负荷预测基准研究[17]。
近年来，已有几种智能计算方法提出了更好地描述非线性趋势。这些模型通常试图结合季节模式和信息从自变量(通常是气象变量)到改进电力负荷预测。最常采用人工神经网络[18-20]是支持向量回归[21]和模糊模型[22]。
适当选择和纳入外部因素也有一定的参考价值对模型的精度影响显著。因此,输入选择程序[23]常用来查找一组具有高相关度和低冗余的特性，参见示例[24-26]。
绝大多数研究集中在大的总荷载上预测。对建筑物或微电网规模的预测实际上是一个更加复杂的问题，它们的需求曲线比聚集的环境表现出更高的可变性。因此，对于较小且聚合程度较低的环境，度量和适当地包含本地是非常重要的加载聚合器不可用的细节。就像预测的入住率、消费者的日程安排、室内环境条件和当地消费模式都可以显著提高最终需求预测的准确性，就像它在一些出版物中显示[28,29]已经做到的那样。
2.4主动负载管理
电力能源的日益多样化和高度化，电力需求波动导致需求响应(DR)计划，在该计划中，终端用户正帮助将发电/消费失衡降至最低。DR刺激电力消费者改变他们的正常消费模式，电力价格随时间变化，或提供它们为降低电力需求而设计的奖励金，危害是在批发市场价格高的时候还是系统可靠性高的时候。
参与DR操作的最终用户使用者需要提供一些负载管理功能。的关键启用项能源需求管理是重新安排消费者操作和/或储存能源的能力。几个本文提出了主动负荷管理策略尊重，一般可以分为那些使用积极主动(实时)控制[30-35]、离线调度[36,37]或两者结合[38,39]。
在文献中，提出了几种方法，利用冷热库的负荷转移潜力，如建筑物[40,41]或制冷系统[31-35]。有了这样的存储，可能在一个必需的具体时间段增加数量的冷却或加热以减少能源需求。
- 问题描述
提高生产和消费电力需求之间的平衡的一种方法是激励最终用户提供并尊重他们的负荷预测。这样，权力就平衡了问题被划分为更小的问题，每个参与者都试图提供一个准确的需求概要。预测和实际消耗之间的差额的初始补偿可以在建筑、住宅区或微电网的水平上局部最小化。
在较低的电力供应水平上，预测的和实际供应的电能之间的可变性将会减少
在更高的层次。这将最大限度地减少对实时市场和DR。这可能导致引入新的激励措施，以激励最终用户提供并尊重其消费的STLF。
执行本地STLF的主要动机是，最终用户通常可以包含本地数据，这可以显著地改进预测精度。这些数据与它们的调度和预期的行为变化有关，而负载聚合器通常不知道这些变化。
此外，在基于STLF的激励下，甚至可以利用当地需求转移潜力来提高先前宣布的需求的准确性。与DR方法相反，在DR方法中，负载聚合器通常规定终端用户需要更改电力使用量，而在这里，平衡是在较小的本地范围内执行的，从而在基础设施方面实现更简单，特别是如果可以引入主动控制方法的话。
这种基于STLF的激励机制并不适用于所有终端用户。较小的终端用户和负载可预测性差的用户,尤其在开发和维护准确的STLF预测器方面存在问题。此外，一些用户无法意识到这一点适当的需求转移能力，可用于尽量减少预期负荷与实际负荷之间的局部差异概要文件。但是，那些能够提供足够精确的STLF可以代表负载聚合器容量组合的一个重要部分，这将有助于提高可预测性和系统稳定性。另一方面，这些奖励措施将为参与者提供降低总电费的机会。
本文研究了终端用户日前能耗预测的概念。考虑超市用例，以便从最终用户的角度证明该想法的可实现性。
3.1 超市用例
图1所示。用例超市的消费分配
经过考虑的用例超市属于斯洛文尼亚最大的食品零售商。根据用电用户的性质，可以划分为制冷系统、暖通空调系统等三大类，其他用户包括主要的食品加工消费者(烤箱、面包对流蒸汽烤箱、肉类对流蒸汽烤箱、油炸机、洗衣机、面包加工机)。
其中，制冷系统能耗最大，平均电力需求22.12 kW。制冷消耗占所选超市能源需求的77%以上(图1)，暖通空调占9.8%。所有其他单位加起来占总消费量的12.5%。
请注意，照明的电力需求测量还没有提供，因此没有包括在下面的分析中。不过，由于闪电的耗电量与开放时间有很强的相关性，预计闪电的每日轮廓可以预测得非常准确。
在大约6个月的时间内，获得了超市中最大电力消费者的电力需求概况。在分析之前，由于缺乏关于这些特定日期的开放时间表的信息，所以从分析中删除了假期时间。
- 超市的STLF模型
超市连续两周的消费情况如图2所示。正如预期的那样，数据清楚地表明，电力需求受到超市营业时间的强烈影响。因此，预计短期季节性(以周和天为单位)将是一个很好的初步预测猜测。
电力需求模型结构选择了季节和回归部分的组合。季节性部分Pcirc;s (d, t)定义了电力需求的基础上,要求测量从以前类似的天。这使我们可以直接从过去的可比日期推断出超市的顾客数量、工作时间等。额外的回归部分Pcirc;(d, t)补充季节性电力需求预测，预测电力需求之间的差异的日子中季节性预报和预报。最后，模型结构定义如下：
Pcirc;(d,t) = Pcirc;s(d,t) △Pcirc;(d,t) (1)
其中索引d表示连续的天数，而t表示一天中的小时数
图2 连续两周进行电能消耗测量
测试了两种不同的建模方法。在第一种情况下(M1),整个超市电力需求Pcirc;M1 (d, t)是模仿运用(1),在第二种情况下(M2),每组的消费者是单独建模(即制冷Pcirc;r、HVACPcirc;h Pcirc;o)和其他消费者通过使用通用模型结构(1),和最终的电力需求预测的M2整个超市是评估等级：
PM2(d,t) = Pr(d,t) Ph(d,t) Po(d,t) (2)
4.1 季节性模型部分
考虑到电力需求的短期周期性，假定有两种季节性：日季节性和周季节性。每日季节性Pcirc;s1平均数据在过去的几天里,虽然每周季节性Pcirc;s7
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[608666]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
