馬爽，王繹

(1.北京信息科技大學(xué) 自動(dòng)化學(xué)院，北京 100192；2.中國(guó)電建集團(tuán)昆明勘測(cè)設(shè)計(jì)研究院有限公司，昆明 650051)

0 引言

風(fēng)力和光伏的大規(guī)模接入為電力系統(tǒng)提供了更多的清潔能源形式，但可再生能源的隨機(jī)性和波動(dòng)性也為電網(wǎng)的安全穩(wěn)定運(yùn)行帶來(lái)了新的挑戰(zhàn)。隨著智能電表的普及和科技的發(fā)展，需求側(cè)的可控負(fù)荷資源為電力系統(tǒng)削峰填谷和新能源消納等提供了新的解決方案[1]。然而，用戶的用電行為具有復(fù)雜性和多樣性[2]，在一定程度上影響了負(fù)荷調(diào)控效果。在先進(jìn)量測(cè)技術(shù)和數(shù)據(jù)管理技術(shù)的基礎(chǔ)上，利用負(fù)荷數(shù)據(jù)研究用戶的用電規(guī)律并預(yù)測(cè)用戶用電行為隨時(shí)間的變化趨勢(shì)，建立合理的需求側(cè)負(fù)荷調(diào)控機(jī)制，對(duì)于節(jié)約響應(yīng)成本和促進(jìn)可再生能源消納具有重要意義。

目前，已有學(xué)者針對(duì)需求側(cè)電力用戶用電行為展開(kāi)研究。文獻(xiàn)[3]建立了基于分時(shí)電價(jià)的用戶可調(diào)節(jié)潛力指標(biāo)，基于負(fù)荷的調(diào)節(jié)潛力大小對(duì)用戶的用電行為進(jìn)行聚類分析。文獻(xiàn)[4]在分析居民用戶基本負(fù)荷、可調(diào)度負(fù)荷、電動(dòng)汽車負(fù)荷和儲(chǔ)能負(fù)荷的基礎(chǔ)上，以電網(wǎng)負(fù)荷波動(dòng)最小為調(diào)控目標(biāo)建立需求側(cè)響應(yīng)模型，并通過(guò)對(duì)用戶側(cè)用電行為的聚類分析求解調(diào)控結(jié)果。文獻(xiàn)[5-6]通過(guò)分析用戶用電行為的多維影響因素，提出了融合K-means和自組織競(jìng)爭(zhēng)神經(jīng)網(wǎng)絡(luò)的用戶可調(diào)節(jié)潛力的二次聚類方法，實(shí)現(xiàn)基于負(fù)荷特性的可調(diào)節(jié)潛力綜合聚類。類似地，文獻(xiàn)[7-8]將無(wú)監(jiān)督極限學(xué)習(xí)機(jī)和主成分分析用于用戶用電行為分析，針對(duì)用電行為的復(fù)雜性、隨機(jī)性和不確定性，對(duì)用電負(fù)荷數(shù)據(jù)進(jìn)行聚類，得到不同的用電模式。整體而言，目前的研究大多以居民的靜態(tài)負(fù)荷數(shù)據(jù)為基礎(chǔ)，通過(guò)對(duì)歷史負(fù)荷數(shù)據(jù)的聚類分析得到各時(shí)段的可調(diào)控負(fù)荷潛力或居民用電模式。但是電力負(fù)荷數(shù)據(jù)本質(zhì)上是一種隨時(shí)間推移而觀測(cè)到的時(shí)間序列值，具有典型的趨勢(shì)性、季節(jié)性和周期性等，負(fù)荷用戶用電行為的時(shí)間尺度特征需要進(jìn)一步挖掘。

在需求側(cè)負(fù)荷調(diào)控策略方面，文獻(xiàn)[9]以電熱水器為對(duì)象，研究了面向新能源消納的聚合負(fù)荷協(xié)同控制策略，在建立熱水器負(fù)荷控制模型的基礎(chǔ)上，從狀態(tài)感知、實(shí)時(shí)分析、科學(xué)決策和精準(zhǔn)執(zhí)行4個(gè)環(huán)節(jié)進(jìn)行負(fù)荷控制，實(shí)現(xiàn)了電網(wǎng)的供需平衡調(diào)節(jié)。為降低不確定性對(duì)負(fù)荷調(diào)控的影響，文獻(xiàn)[10]從時(shí)間角度描述了影響負(fù)荷調(diào)控的不確定性因素，建立了考慮魯棒性與經(jīng)濟(jì)性的電熱水器調(diào)控兩階段優(yōu)化模型，在不確定集合的約束下實(shí)現(xiàn)對(duì)新能源的精準(zhǔn)消納。文獻(xiàn)[11]融合了中央空調(diào)的調(diào)控特性、居民舒適度和用電經(jīng)濟(jì)性等多方因素，提出了3種中央空調(diào)負(fù)荷聚合策略，并研究了聚合負(fù)荷參與平抑分布式電源出力的性能。文獻(xiàn)[12]通過(guò)分析居民用戶對(duì)電熱水器和中央空調(diào)的使用習(xí)慣，提出一種考慮時(shí)域特性的異構(gòu)溫控負(fù)荷聯(lián)合調(diào)控策略，使負(fù)荷的使用時(shí)段與風(fēng)電出力盡可能匹配?，F(xiàn)有研究針對(duì)需求側(cè)的負(fù)荷調(diào)控取得了較好的效果，但用戶負(fù)荷時(shí)間序列的隨機(jī)性和規(guī)律性對(duì)負(fù)荷調(diào)控的影響仍需要深入研究。在面向新能源消納時(shí)，較少考慮可調(diào)節(jié)負(fù)荷序列與新能源發(fā)電出力序列之間的趨勢(shì)相關(guān)性。

綜上所述，本文以新能源消納為研究場(chǎng)景，針對(duì)用戶用電行為的日周期性和周周期性，提出基于時(shí)間序列預(yù)測(cè)的用電行為分析和需求側(cè)負(fù)荷調(diào)控策略。在分析用戶歷史負(fù)荷序列的基礎(chǔ)上，采用雙周期季節(jié)性差分自回歸移動(dòng)平均模型預(yù)測(cè)用戶可調(diào)控負(fù)荷的時(shí)域使用行為。從用戶負(fù)荷功率與風(fēng)力發(fā)電出力的時(shí)序關(guān)聯(lián)度出發(fā)設(shè)置調(diào)控優(yōu)先級(jí)，實(shí)現(xiàn)用戶可轉(zhuǎn)移負(fù)荷參與新能源消納的有序調(diào)控。

1 用戶用電行為時(shí)間序列預(yù)測(cè)

居民用戶可參與需求側(cè)互動(dòng)的負(fù)荷主要包括可削減負(fù)荷和可轉(zhuǎn)移負(fù)荷兩類?？上鳒p負(fù)荷為在不影響用戶舒適度的情況下可削減的部分負(fù)荷量，如：空調(diào)、智能電子設(shè)備等；可轉(zhuǎn)移負(fù)荷則為在規(guī)定的時(shí)間段內(nèi)滿足用電需求即可的負(fù)荷，如熱水器、洗碗機(jī)、電動(dòng)汽車等[13]。為了最大程度地減少需求側(cè)調(diào)控對(duì)居民用電的限制，本文只針對(duì)熱水器和電動(dòng)汽車兩種可轉(zhuǎn)移負(fù)荷展開(kāi)研究，不削減用戶的總用電量，并假設(shè)在智能電表和非入侵式探測(cè)技術(shù)的幫助下，可以獲取居民家庭每種電器的負(fù)荷序列。

用戶負(fù)荷雖然隨時(shí)間波動(dòng)，但也表現(xiàn)出與居民行為習(xí)慣強(qiáng)相關(guān)的周期性，例如電熱水器的使用與用戶的洗浴行為有關(guān)，其使用時(shí)段相對(duì)集中在早晨及晚上。根據(jù)2015 年深圳市夏季典型負(fù)荷曲線[14]，居民用戶的負(fù)荷具有明顯的日周期性和周周期性，工作日和周末也可以明顯被區(qū)分開(kāi)。借鑒文獻(xiàn)[15]的交通流預(yù)測(cè)模型，本文采用雙周期季節(jié)性差分自回歸移動(dòng)平均(double seasonal autoregressive integrated moving average，DSARIMA)模型實(shí)現(xiàn)對(duì)居民用戶可轉(zhuǎn)移負(fù)荷使用行為的預(yù)測(cè)。差分自回歸移動(dòng)平均(autoregressive integrated moving average，ARIMA)模型的基本思想為將預(yù)測(cè)對(duì)象隨時(shí)間推移而形成的數(shù)據(jù)序列描述為一個(gè)隨機(jī)序列，再依據(jù)時(shí)間序列的過(guò)去值及現(xiàn)在值預(yù)測(cè)未來(lái)值。DSARIMA模型則在ARIMA模型的基礎(chǔ)上考慮了時(shí)間序列的周期性，在模型中采用了一個(gè)以天為單位的短季節(jié)周期和一個(gè)以周為單位的長(zhǎng)季節(jié)周期，如式(1)所示：

φ(B)φ(BSS)φ(BSL)(1-B)d(1-B)DS(1-B)DLxt=

C+θ(B)θ(BSS)θ(BSL)εt

(1)

式中：xt為可轉(zhuǎn)移負(fù)荷的時(shí)間序列；B為后移算子，滿足Bnxt=xt-n；d為差分次數(shù)；SS和SL分別為短季節(jié)和長(zhǎng)季節(jié)周期的長(zhǎng)度；DS和DL分別為短季節(jié)和長(zhǎng)季節(jié)差分次數(shù)；BSS和BSL分別為短季節(jié)和長(zhǎng)季節(jié)周期的后移算子；φ(B)和θ(B)分別為ARIMA模型的自回歸系數(shù)多項(xiàng)式和移動(dòng)平滑系數(shù)多項(xiàng)式；C為常數(shù)；εt為殘差項(xiàng)。

φ(BSS)=1-φ1BSS，1-φ2BSS,2…-φPSBSS,PS為短季節(jié)模型的自回歸系數(shù)多項(xiàng)式；θ(BSS)=1-θ1BSS，1-θ2BSS,2…-θQSBSS,QS為短季節(jié)模型的移動(dòng)平滑系數(shù)多項(xiàng)式；φ(BSL)=1-φ1BSL，1-φ2BSL,2…-φPLBSL,PL為長(zhǎng)季節(jié)模型的自回歸系數(shù)多項(xiàng)式；θ(BSL)=1-θ1BSL，1-θ2BSL,2…-θQLBSL,QL為長(zhǎng)季節(jié)模型的移動(dòng)平滑系數(shù)多項(xiàng)式；其中PS和PL分別為短季節(jié)和長(zhǎng)季節(jié)周期自回歸(seasonal autoregressive，SAR)項(xiàng)的滯后階數(shù)，QS和QL分別為短季節(jié)和長(zhǎng)季節(jié)周期移動(dòng)平均(seasonal moving average，SMR)項(xiàng)的滯后階數(shù)。

DSARIMA模型同時(shí)考慮了兩個(gè)周期的時(shí)間序列預(yù)測(cè)，符合居民用戶在工作日和周末具有不同用電行為的特定規(guī)律?；贒SARIMA模型的用戶負(fù)荷時(shí)間序列預(yù)測(cè)將每周劃分為工作日(周一到周五)與非工作日(周六與周日)兩個(gè)周期，并將每天劃分為n個(gè)時(shí)段，將當(dāng)前預(yù)測(cè)時(shí)間段的前Z天(同為工作日或非工作日)同一時(shí)間段的負(fù)荷構(gòu)建為時(shí)間序列，分別預(yù)測(cè)兩類日期中各時(shí)段的熱水器和電動(dòng)汽車負(fù)荷，以描述用戶在不同時(shí)段對(duì)兩類電器的使用行為，具體流程為：

1)采用自相關(guān)圖法對(duì)所選取的熱水器和電動(dòng)汽車負(fù)荷序列的平穩(wěn)性進(jìn)行檢驗(yàn)，并通過(guò)差分運(yùn)算處理不平穩(wěn)的序列，確定差分次數(shù)d、DS和DL；

2)根據(jù)最小信息量準(zhǔn)則確定模型階數(shù)PS、QS、PL和QL；

3)采用最大似然估計(jì)法對(duì)DSARIMA模型進(jìn)行參數(shù)估計(jì)，確定φ和θ值；

4)對(duì)參數(shù)確定后的模型進(jìn)行殘差檢驗(yàn)，確定檢驗(yàn)結(jié)果呈現(xiàn)隨機(jī)正態(tài)分布且不自相關(guān)；

5)利用最終確定的模型進(jìn)行熱水器和電動(dòng)汽車負(fù)荷序列預(yù)測(cè)并得出結(jié)果。

2 面向風(fēng)電出力消納的負(fù)荷有序調(diào)控

本文所提出的面向風(fēng)電出力消納的需求側(cè)負(fù)荷調(diào)控架構(gòu)如圖1所示，假設(shè)風(fēng)電出力信息可由電網(wǎng)側(cè)獲取，通過(guò)對(duì)各個(gè)時(shí)間段內(nèi)可轉(zhuǎn)移負(fù)荷的有序調(diào)控，實(shí)現(xiàn)對(duì)目標(biāo)風(fēng)力發(fā)電的消納。具體描述為：

1)電網(wǎng)調(diào)度中心根據(jù)風(fēng)力發(fā)電出力的歷史數(shù)據(jù)等信息，確定各個(gè)時(shí)段需要消納的風(fēng)力發(fā)電量，作為待消納的已知目標(biāo)量下發(fā)給聚合商；

2)聚合商提前與參與風(fēng)電消納的用戶簽訂合同，并獲取用戶對(duì)于電熱水器和電動(dòng)汽車的負(fù)荷可允許轉(zhuǎn)移時(shí)間約束；

3)聚合商根據(jù)所采集的用戶負(fù)荷歷史數(shù)據(jù)，分別構(gòu)建工作日和非工作日的負(fù)荷時(shí)間序列，采用DSARIMA模型預(yù)測(cè)消納時(shí)段內(nèi)用戶對(duì)電熱水器和電動(dòng)汽車負(fù)荷的用電行為；

4)在消納時(shí)段，聚合商根據(jù)用戶可轉(zhuǎn)移負(fù)荷的響應(yīng)容量與風(fēng)電出力的差異和時(shí)序相關(guān)度等，確定用戶的調(diào)控優(yōu)先級(jí)及各時(shí)段內(nèi)的調(diào)控量，實(shí)現(xiàn)負(fù)荷有序調(diào)控。

為了跟蹤風(fēng)電出力，確保各個(gè)時(shí)間段內(nèi)取得良好的新能源消納效果，本文以各時(shí)間段內(nèi)風(fēng)電出力功率與需求側(cè)負(fù)荷聚合功率之間的偏差最小為目標(biāo)函數(shù)，如式(2)所示。

(2)

針對(duì)上述調(diào)控目標(biāo)與約束，按照負(fù)荷優(yōu)先級(jí)劃分的調(diào)控方法，實(shí)現(xiàn)對(duì)各時(shí)間段內(nèi)用戶負(fù)荷的有序調(diào)度。各時(shí)段可聚合的負(fù)荷功率為

(3)

式中：p1,j和p2,j分別為參與消納的電熱水器和電動(dòng)汽車的固定功率；μ1,j和μ2,j分別為參與消納的電熱水器和電動(dòng)汽車的調(diào)控因子；M和N分別為參與消納的電熱水器和電動(dòng)汽車的數(shù)量。

用戶可轉(zhuǎn)移負(fù)荷的調(diào)控因子如式(4)和式(5)所示，只有當(dāng)調(diào)控時(shí)間處于用戶允許的時(shí)間范圍內(nèi)才可參與需求側(cè)響應(yīng)。

(4)

(5)

式中：T1,j和T2,j分別為電熱水器和電動(dòng)汽車的負(fù)荷可允許轉(zhuǎn)移時(shí)間段。

負(fù)荷調(diào)控優(yōu)先級(jí)同時(shí)受到用戶使用習(xí)慣、用戶行為預(yù)測(cè)結(jié)果和風(fēng)電出力的影響。為了最大程度地降低負(fù)荷調(diào)控對(duì)用戶舒適度和用電習(xí)慣的影響，本文根據(jù)式(6)確定各時(shí)段電熱水器和電動(dòng)汽車的負(fù)荷調(diào)控優(yōu)先級(jí)：

(6)

式中：γi,j表示i時(shí)間段內(nèi)第j個(gè)參與消納的負(fù)荷(電熱水器或電動(dòng)汽車)的負(fù)荷時(shí)間序列預(yù)測(cè)值與風(fēng)電出力功率之間的皮爾遜相關(guān)度，具體計(jì)算方法可參考文獻(xiàn)[16]。λi,j取值范圍為[0,1]且與γi,j呈正相關(guān)，以確保各時(shí)段內(nèi)與風(fēng)電出力功率變化趨勢(shì)相似性最高的負(fù)荷優(yōu)先參與消納，同時(shí)減少對(duì)用戶電器使用習(xí)慣的影響。在負(fù)荷調(diào)控過(guò)程中，按照λi,j確定各類負(fù)荷的調(diào)控順序。

3 算例分析

以某住宅區(qū)域用戶夏季某一工作日/非工作日的用電情況為例，調(diào)控時(shí)段為該日0點(diǎn)至24點(diǎn)，將1天劃分為48個(gè)時(shí)段，每個(gè)時(shí)段30 min。以預(yù)測(cè)日前50 d的歷史負(fù)荷數(shù)據(jù)作為樣本集，其中工作日35 d，非工作日15 d，分別預(yù)測(cè)下一個(gè)工作日/非工作日的用戶負(fù)荷功率情況，算例仿真平臺(tái)為Matlab。

對(duì)于下一個(gè)工作日的每一個(gè)時(shí)段，采集該時(shí)段前35 d同一時(shí)段的數(shù)據(jù)和該時(shí)段前24個(gè)時(shí)段的數(shù)據(jù)，依據(jù)DSARIMA模型采用1階差分進(jìn)行預(yù)測(cè)，得到第36個(gè)工作日的負(fù)荷數(shù)據(jù)。同樣地，對(duì)于下一個(gè)非工作日的每一個(gè)時(shí)段，采集同樣的方法得到第16個(gè)非工作日的負(fù)荷數(shù)據(jù)。分別采用基本ARIMA模型和DSARIMA模型預(yù)測(cè)負(fù)荷時(shí)間序列，差分階數(shù)均為1。在負(fù)荷歷史數(shù)據(jù)時(shí)間序列的基礎(chǔ)上，根據(jù)最小信息量準(zhǔn)則確定模型參數(shù)PS、QS、PL和QL分別為7、7、4、6，并依據(jù)絕對(duì)平均誤差(mean absolute error，MAE)和均方根誤差(root mean square error，RMSE)評(píng)價(jià)預(yù)測(cè)性能，結(jié)果如表1所示。

表1 負(fù)荷時(shí)間序列預(yù)測(cè)結(jié)果分析 kW

從表1可以看出，采用DSARIMA模型進(jìn)行負(fù)荷時(shí)間序列預(yù)測(cè)時(shí)，在工作日和非工作日都取得了更好的效果，從而說(shuō)明用戶用電在工作日和非工作日都呈現(xiàn)一定的規(guī)律性和周期性，而DSARIMA模型能夠更好地捕捉用戶行為在不同時(shí)期的變化趨勢(shì)。

圖2為采用DSARIMA模型對(duì)某一用戶工作日負(fù)荷的預(yù)測(cè)結(jié)果與真實(shí)負(fù)荷數(shù)據(jù)的對(duì)比圖。由圖2可知，負(fù)荷時(shí)間序列的預(yù)測(cè)值能夠較為準(zhǔn)確地刻畫(huà)用戶對(duì)家用電器的使用習(xí)慣，為需求側(cè)負(fù)荷的有序調(diào)控奠定了基礎(chǔ)。

圖2 基于DSARIMA模型的負(fù)荷序列預(yù)測(cè)結(jié)果

為了驗(yàn)證本文面向風(fēng)電出力消納的負(fù)荷有序調(diào)控策略的可行性，以我國(guó)西部地區(qū)某風(fēng)電場(chǎng)一天的實(shí)際風(fēng)電出力曲線作為消納目標(biāo)，如圖3中的藍(lán)色實(shí)線所示。需求側(cè)電熱水器和電動(dòng)汽車的相關(guān)參數(shù)設(shè)置如表2所示，分別采用本文算法和文獻(xiàn)[12]的貝葉斯網(wǎng)絡(luò)模型預(yù)測(cè)用戶的用電行為，并分析負(fù)荷參與風(fēng)電出力消納的效果，結(jié)果如圖3所示。

表2 可轉(zhuǎn)移負(fù)荷參數(shù)設(shè)置

圖3 風(fēng)電消納效果對(duì)比分析

由圖3對(duì)比結(jié)果可知，本文策略在全天均取得更好的消納效果，受居民用戶的用電習(xí)慣影響，當(dāng)深夜風(fēng)電出力功率較大時(shí)，參與需求側(cè)調(diào)控的可轉(zhuǎn)移負(fù)荷功率略顯不足。本文的調(diào)控策略從用戶用電習(xí)慣分析及其與新能源發(fā)電出力的相關(guān)性出發(fā)，在負(fù)荷可轉(zhuǎn)移時(shí)間的約束下，優(yōu)先聚合各時(shí)段內(nèi)與風(fēng)電出力功率變化趨勢(shì)相似的負(fù)荷，從而在很大程度上避免需求側(cè)調(diào)控對(duì)用戶正常用電帶來(lái)的影響，提升新能源消納效果與能源利用效率。

4 結(jié)束語(yǔ)

本文以新能源消納為應(yīng)用場(chǎng)景，研究了基于負(fù)荷時(shí)間序列預(yù)測(cè)的用戶用電行為分析和需求側(cè)負(fù)荷有序調(diào)控方法。針對(duì)用戶負(fù)荷使用習(xí)慣在工作日和非工作日呈現(xiàn)出的周期性，采用DSARIMA模型預(yù)測(cè)各個(gè)時(shí)間段的用戶可轉(zhuǎn)移負(fù)荷序列。以負(fù)荷功率與風(fēng)力發(fā)電出力的差異性作為消納目標(biāo)函數(shù)，以二者的時(shí)序相關(guān)性指導(dǎo)負(fù)荷有序參與需求側(cè)新能源消納。本文的研究方法可適用于居民家用負(fù)荷參與電網(wǎng)負(fù)荷調(diào)峰、新能源消納等場(chǎng)景，下一步將重點(diǎn)研究包含電力負(fù)荷在內(nèi)的需求側(cè)綜合能源調(diào)控。