,,,
(1.國網江西省電力有限公司供電服務管理中心,江西 南昌 330001;2.國網江西省電力有限公司,江西 南昌 330077)
當下,各國對電力能源的需求逐年增長[1],但電力需求的快速增長引起電網容量不足等矛盾逐漸增加。這些矛盾可導致需求高峰的功率限制和停電[2-3]。
一般應對此矛盾的方法是限電或增加備用發電機,此方法給生活帶來不便。與傳統的一般方法比較,需求響應具有保護環境、成本小及反應迅速等優點[4-6]。
近些年,國內在此方面的研究發展速度迅猛,多數學者都在積極探索需求側響應的理論實踐機制[7-11]。此外,部分學者也在探究用一些新的算法(如經濟學方法和模式分類算法等)進行需求響應研究。尤其神經網絡算法在電力系統中得到廣泛應用[12-14]。
因此,本文進行了基于SOM神經網絡的居民家電負荷需求響應潛力研究。通過數據分析,計算可得空調和電熱水器可調負荷占居民用戶臺區總體負荷的15.7%~35.5%,具備很好的需求響應潛力。佐證了“局部記憶性彈性類型家電(空調、電熱水器等)在緊急需求響應中占主導地位”這一結論。
局部記憶性彈性家電負荷(EPM)優化模型為
FEPM=maxfincentEPM
(1)
fincentEPM為局部記憶性彈性家電負荷參與緊急需求響應時的優化目標。
具體來講,可用向量X表示需求響應潛力值向量。式(2)中xt表示在t時段用戶參與緊急需求響應時可提供的最大功率削減值。
X=(x1,x2,…,xt,…,x24)
(2)
以向量X(需求響應潛力值)作為神經網絡的輸入向量,則其結構如圖1所示[11]。

圖1 基于SOM的用戶聚類識別
基于SOM的用戶聚類識別步驟如下所述。
首先,確定神經網絡結構。如圖1所示,本文輸入量為24個。
其次,連接權wnj賦[0,1]區間的隨機值,n=1,2,…,24,j=1,2,…,25。進而根據式(3)和式(4)作歸一化處理以及計算歐式距離。
(3)
(4)
對j*及其鄰域Nj*的連接權矢量進行處理。最后重復上述過程,完成訓練。
(5)
j=1,2,…,25
0<η(t)<1
需求響應前后用電量的改變為
(6)
ucost為用電量衡量指標;C0、CDR為負荷響應前后的用電量;P0為響應前的用電量;Pt為響應前的用電量;Pt為負荷實時功率。
對于局部記憶性彈性類型家電,用電舒適度指標
uEPM=1-
(7)

maxfbetter=
(8)
(9)
fbetter為參與需求響應時的優化目標;ωcost和ωcomfort分別為用電成本和舒適度的加權系數;ωEPM為舒適度的權重。舒適度的綜合優化由局部記憶性彈性類型家電負荷的舒適度組成。
當執行緊急需求響應時,局部記憶性彈性類型家電負荷優化目標為
maxfincent_EPM=
(10)
fincent_EPM為局部記憶性彈性家電負荷參與緊急需求響應時的優化目標;ωEPM_cost和ωEPM_comfort分別為局部記憶性彈性類型家電負荷用電量和舒適度的權重;uEPM_cost和uEPM_comfort分別為局部記憶性彈性類型家電負荷用電量和舒適度的衡量指標。
本文以空調負荷需求響應潛力分析為例,對臺區空調需求響應潛力進行評估。
首先只考慮空調的設定溫度變化對空調功率影響時,空調負荷調節模型可簡化為
ΔP=fKΔT
(11)
ΔP為空調功率變化值;fK為考慮建筑物采暖面積、平均層高等因素的基礎參數;ΔT為設定溫度之差。根據式(11),變頻空調(額定功率為1 000 W)在調節設定溫度時的可調負荷如表1所示。基于同樣的分析,可得定頻空調的可調負荷如表2所示。

表1 變頻空調調節設定溫度對應可調負荷潛力
考慮到實際空調使用情況受房間保溫性能、空調實際能效、室內人員流動、門窗開閉、室外溫度等多方面因素影響,其可調負荷會存在差異。

表2 定頻空調調節設定溫度對應可調負荷潛力
根據前文所述算法,結合空調可調經驗公式,可得夏季高峰空調需求響應潛力,如表3所示。同理,根據此方法可以進行電熱水器的需求響應潛力測算,結果如表4所示。總體計算可得空調和電熱水器可調負荷占居民用戶臺區總體負荷的15.7%~35.5%,具備很好的需求響應潛力。

表3 夏季高峰空調需求響應潛力測算

表4 夏季高峰電熱水器需求響應潛力測算
本文通過研究基于SOM神經網的居民家電負荷需求響應潛力,得出一般情況就緊急需求響應而言,僅局部記憶性彈性類型(空調、熱水器等)家電有參與需求響應的價值。因此本文僅討論局部記憶性彈性家電負荷(EPM)。
結合空調可調經驗公式,可得夏季高峰空調需求響應潛力計算可得空調和電熱水器可調負荷占居民用戶臺區總體負荷的15.7%~35.5%,具備很好的需求響應潛力,佐證了“局部記憶性彈性類型家電(空調、電熱水器等)在緊急需求響應中占主導地位”這一結論。