吉洋

國家電網射陽縣供電公司 江蘇 射陽 224300

1 柔性負荷的分類

從宏觀層面上，電力負荷有柔性負荷與剛性負荷之分，其相應的負荷特性曲線均是隨時改變的。本課題研究中把柔性負荷分成可隨時中斷、可轉移及可平移負荷三種類型。如果柔性負荷參與到智能電網控制領域且做出需求響應時，可以采用下式表示負荷模型；

2 建立負荷分解模型

結合區(qū)域電力負荷改變和電價之間形成的規(guī)律，由總負荷內分解出對電價不敏感的基礎負荷，以及電價因素影響較大的敏感性負荷，以此為基礎構建負荷分解模型：

其中，基礎負荷主要由趨勢分量與周期分量兩大部分構成，前者代表的是再某一段實踐中電力負荷呈現出的一種連續(xù)發(fā)展趨勢狀態(tài)，經濟等是常見的影響因素，而無須顧慮氣候、節(jié)假日以及隨機因素，在短期負荷預測領域內可視趨勢分量經常作為常數被處理。本課題研究中以傳統負荷預測與某區(qū)域電力需求價值彈性分析為基礎，線性擬合需求電價彈性曲線，隨后采用如下公式便能獲得預測日的基礎負荷量：

3 短期預測模式

4 預測模型的檢測驗證

4.1 樣本數據

4.2 測試執(zhí)行方案

在本文選定的智能配電系統內，把學生宿舍用電數據作為實際案例，在四人間標準公寓內，已經固定配置的用電裝置有空調與日光燈（共計4個），額定功率分別是1.5kW、30W，其他的用電設施配置情況帶有一定不確定性，校內作息、日常生活習慣等因素均影響著學生群體用電量的高低。在樣本數據內，選出兩種數據（每天的24h用電量數據即每天的最大用電量數據）類型作為模型的訓練數據，以上數據信息的選擇具有隨機性。

方案1：預測24h用電量。

在樣本數據內，工作日、休息日分別選擇2015年1月12日（周一）、2015年1月18日（周天），應用以上所選出兩日的24h用電量數據作為模型的訓練數據，并選擇后一天的數據作為校驗信息。

方案2：預測最大用電量。

數據原始樣本數據集，2014年12月15日~2015年1月3日、2015年1月4日~2015年1月12日形成的最大用電量數據分別作為訓練、測試數據。

4.3 統計負荷預測結果

本課題應用 Visual C++與Matlab編寫出了模型測試軟件，VC 平臺主界面的功能主要集中在如下幾點：一是查詢既往數據；二是提取部分樣本數據；三是執(zhí)行模型的調用服務過程；四是運算出誤差值。在VC平臺的協助下能順利完成所有預測結果的運算工作。

因為本高校學生的日常生活作息有一定規(guī)律可循，所以校園內用電負荷在某種程度上能表現出較大的相似性，可以解釋原始樣本數據的電力消費現象具備一定相似性特征的情況。本課題研究中把平均相對誤差(MAPE)作為實例去分析與闡明負荷預測結果。

5 結束語

電力部門在后續(xù)的運營中，可以結合“黑匣子”理論思想，編制出差異化的“DR信號套餐”產品以供廣大電力用戶應用，最大限度提升需求響應的靈活性。本文基于“黑匣子”思想建設了ES-TF 模型，顯著提升預測結果的精準度，使柔性負荷響應特性更具實時性特征，具備較高的參考價值。