電力市場環境下負荷零售商的最優購電方法
2023-06-24 14:46:36 2
電力市場環境下負荷零售商的最優購電方法
【專利摘要】本發明公開了一種電力市場環境下負荷零售商的最優購電方法，包括以下步驟：售商採集所轄用戶的每日96點歷史負荷數據；基於時間維度選取各用戶一年的負荷數據為特徵向量進行聚類分析，將負荷分為典型的幾類；根據聚類分析結果抽取各用戶的每月典型負荷曲線；考慮不同用戶的負荷特性在時序上的互補性，建立負荷優化聚合模型，通過優化購電方案，使得零售商經濟效益最佳。本發明對電力市場下零售商的購電行為進行優化建模，為電力市場的運行提供了科學理論支持，充分發揮了其運行效率。
【專利說明】電力市場環境下負荷零售商的最優購電方法
【技術領域】
[0001] 本發明涉及電力系統控制領域，具體涉及一種電力市場環境下負荷零售商的最優 購電方法。
【背景技術】
[0002] 為了更合理地配置資源，提高資源利用率，促進電力工業與社會、經濟、環境的協 調發展，目前，許多國家的電力工業都在進行打破壟斷、解除管制、引入競爭、建立電力市場 的電力體制改革。在我國，電力工業快速發展的同時，電力體制改革也逐步深入，在發電領 域已經逐步引入了競爭機制，即各發電公司按電價競爭上網的市場機制，即形成了初步的 電力市場化。
[0003] 而隨著改革的推進，售電側也將逐步放開，引入競爭。在競爭性電力市場中，由於 交易費用的存在，大多數中小用戶會向零售商購電，由零售商代表他們在批發市場上購電。 零售商通過與發電企業籤訂遠期合同來保障用戶大部分用電需求，不足部分在現貨市場進 行購買。
[0004] 另一方面，由於用戶生產班制、設備啟停時間等原因，用戶的日負荷曲線總是波動 的，而不同用戶間的負荷可能存在時序上的互補性，這種互補性有可能使不同用戶的負荷 曲線相疊加後的負荷最大值要遠小於這幾個用戶的最大負荷直接相加的結果。
【發明內容】
[0005] 發明目的：為了解決現有技術的不足，本發明提供一種電力市場環境下負荷零售 商的最優購電方法，基於用戶負荷特性的互補性對用戶進行合理聚合，使每個聚合單元都 具有較大的負荷率，解決了現有技術的問題。
[0006] 技術方案：電力市場環境下負荷零售商的最優購電方法，其特徵在於：該方法包 括以下步驟：
[0007] 1)零售商採集所轄用戶的每日96點歷史負荷數據；
[0008] 2)數據預處理，剔除非正常數據；
[0009] 3)基於時間維度選取各用戶一年中每月的負荷數據為特徵向量，將各月負荷分別 分類；
[0010] 4)根據聚類分析結果，抽取各用戶的每月典型負荷曲線：
[0011]
【權利要求】
1. 電力市場環境下負荷零售商的最優購電方法，其特徵在於：該方法包括以下步驟： 1) 零售商採集所轄用戶的每日96點歷史負荷數據； 2) 數據預處理，剔除非正常數據； 3) 基於時間維度選取各用戶一年中每月的負荷數據為特徵向量，將各月負荷分別分 類； 4) 根據聚類分析結果，抽取各用戶的每月典型負荷曲線： Plfl=PlgMntf Nljk^nmx(Nijk) (1) 式中： Pijt為用戶i在月份j的典型負荷曲線； Pa&ikt為用戶i的第k類聚類結果； Nijk為用戶i在j月份屬於第k類的天數； 5) 考慮不同用戶的負荷特性在時序上的互補性，確定m組用戶負荷中每組成員的構 成，建立基於長期合同的負荷優化聚合模型：
式中： 目標函數（2)為最大化m組用戶的總負荷率，t為一天中每15分鐘一個點的時刻計時， 總計96個時刻； Xijm為0-1優化變量，表示用戶i的j月份負荷屬於第m組； 月份第m組負荷曲線； Ppw為j月份第m組負荷的購電計劃； Smin為購電合同的購電下限值。
2. 根據權利要求1所述的電力市場環境下負荷零售商的最優購電方法，其特徵在於： 所述步驟2)中數據預處理包括以下步驟： 2. 1)認為短時間即相隔15min內的連續3個數據相對穩定，沒有突變，結合統計學原 理，利用樣本統計指標與設定閾值判斷是否有非正常數據： 將某負荷點附近連續5個數據平均化，形成平滑後的負荷序列：
式中： Xi,n,t為用戶i第n日t時刻的原始負荷數據； < .為用戶i第n日t時刻經平滑後的負荷數據； 2. 2)如果原始數據與平滑後數據的誤差滿足|x,.w ，則用戶i第n日t時 刻的負荷數據Xi,n,t為非正常數據,其中5為閾值，通常取〇.〇8?0.15; 2. 3)對非常數據進行如下修正：
式中，為用戶i第n日t時刻經修正後的負荷數據；a、P為自定義權值且a +3 =1。
3. 根據權利要求1所述的電力市場環境下負荷零售商的最優購電方法，其特徵在於： 所述步驟3)中對用戶進行聚類分析包括以下步驟： 3. 1)使用最短距離法、最長距離法、重心法、類平均法、離差平方和法和加權平均法等 不同距離計算方法進行系統聚類，得到每種方法下的聚類樹及聚類中心； 各種方法的類間距離計算方法為： 最短距離法：Dkl = min WijZyi G Gk，y」G Gj (8) 最長距離法：Dkl = max WijZyi G Gk, y」G Gl} (9) 重心法：[成>.,v，J, )]2 = (.)，v - .y,) '(.Fr v: ) 、IU.)
式中： Yi為類中的元素，對應著每個用戶每一天的96點負荷數據序列； Dm為類Gk與類Q之間的距離； Clij為元素71與7」間的距離；
-和-為類Gk與類Gl的重心；. yL nK和％為類Gk與類Gl的元素個數； 3. 2)計算每種系統聚類方法下的相關係數，選取聚類相關係數最大的方法得到聚類中 心作為下一步模糊C均值聚類的原始聚類中心； 3. 3)採用模糊C均值聚類法進行第二次聚類： 3.3. 1)根據聚類中心（第一次迭代中使用的是系統聚類方法獲得的初始聚類中心，後 面的迭代過程使用的是更新的聚類中心），由下式確定隸屬度矩陣：
式中， Uij為介於0,1之間，表不數據樣本yj關於第i類的隸屬度； c為聚類類數； q為加權指數，q G [1，〇〇 ); Clij與&與第i類聚類中心Ci之間的距離，使用歐式距離：
式中， Cit為聚類中心Ci的第t個數據點；yit為數據樣本t的第t個數據點； 3. 3. 2)計算價值函數：
如果其值小於某個閥值或其相對於上一次迭代中價值函數值的該變量小於某個閥值， 則停止迭代；
4. 根據權利要求1所述的電力市場環境下負荷零售商的最優購電方法，其特徵在於： 所述步驟5)中優化變量為Xi>，是對用戶進行優化分組，零售商對每組負荷單獨進行購電； 約束條件為每份購電合同的購電量大於某一限制；所形成的優化購電方案每月變化一次， 一月中每天的購電量固定。
【文檔編號】G06Q50/06GK104331840SQ201410584127
【公開日】2015年2月4日 申請日期:2014年10月27日 優先權日:2014年10月27日
【發明者】高賜威, 陸婷婷 申請人:東南大學