关键词：
激励型需求响应
用户分级画像
深度学习
用户分类
用电优化策略
摘要：
随着“双碳”目标的进一步推进,终端能源消费电气化水平不断提升,居民用户用电需求多元化发展,居民用电量大幅提升,居民侧积累了大量的柔性负荷资源。与此同时,居民用户的用电行为具有较强的多样性和随机性,使得极端负荷情况频繁出现,对电力系统的安全稳定经济运行造成不利影响。需求响应(demand response,DR)作为一种灵活的负荷调控手段,可以在电力供需紧张时引导居民用户参与负荷调控,缓解电力系统供需平衡压力。而随着的需求响应技术的不断发展,激励型需求响应(incentive demand response,IDR)由于其具有稳定性强、灵活性高的特点,在居民用户用电优化领域受到重视。然而现有的居民负荷用电优化方案难以调动居民用户参与激励型需求响应的积极性以及无法针对具有调节潜力的居民用户实施差异化的用电优化策略,造成居民侧需求响应资源的浪费。为充分调动居民侧柔性负荷资源参与电网调节,电网公司需精准掌握居民用户的用电特性、构建用户画像、划分用户群体,进而制订差异化的用电优化策略,从而辅助电力系统在负荷极端情况下进行削峰填谷。因此,基于激励型需求响应场景构建用户画像并进行用户分类,进而研究居民负荷的用电优化策略,对于电力公司在居民侧实施IDR具有重要意义。本文主要研究内容如下:
针对当前居民用户分类算法在激励型需求响应场景下对IDR潜力用户辨识能力不足以及分类算法效率低下问题,提出一种考虑激励型需求响应潜力的居民用户分级画像及分类方法。首先,提出一种基于谱聚类算法和改进熵权法的用户画像及标签生成方法;其次,针对激励型需求响应场景对居民用户分级画像并生成用户IDR适配度标签和IDR潜力标签;再次,针对用户分类算法效率低下问题,基于深度学习算法提出一种结合变分自动编码器(variational autoencoder,VAE)和深度置信网络(deep belief network,DBN)的分类算法,基于用户分级画像标签和历史负荷数据训练用户分类模型;最后,通过算例分析证明考虑激励型需求响应潜力的居民用户分级画像及分类方法可以高效精准辨识出高激励型需求响应适配度、高激励型需求响应潜力的居民用户,能够进一步提高电网公司需求响应项目实施效果,推动居民用户用电优化策略的研究。
在前述研究的基础上,针对传统居民负荷优化策略难以激发具有IDR潜力的居民用户充分参与需求响应的问题,进行考虑IDR潜力用户参与的居民负荷用电优化策略研究。首先,介绍了居民用户参与需求响应的基本框架,并对家用电器负荷的调度特性和用电舒适度特性建模;其次,基于前述用户画像结果,从IDR计划时段内居民负荷与系统负荷的相关性的角度出发,以辅助电网调峰为着眼点,设计了一种考虑用户IDR潜力的激励型需求响应机制;再次,综合居民用户的用电成本、用户用电舒适度和考虑用户IDR潜力的调峰激励建立了居民负荷用电优化策略;最后,通过设置对比场景,验证考虑IDR潜力用户参与的居民负荷用电优化策略的有效性。
通过以上研究,本文丰富和发展了居民侧实施激励型需求响应的理论体系,也为电力系统安全稳定经济运行提供了保障,有助于电力系统在居民用户侧开展激励型需求响应潜力分类工作及用电优化策略实施。
