【技术实现步骤摘要】
源网荷互动环境下基于LSTM的超短期负荷预测方法
本专利技术属于负荷预测领域，尤其涉及一种源网荷互动环境下基于LSTM(LongShort-TermMemory，长短期记忆网络)的超短期负荷预测方法。
技术介绍
随着智能电网的发展、可再生能源的开发利用、电力市场化改革的推进，电力生产、传输、交易和使用等都发生了巨大的变化，其中“源-网-荷”协同互动是一种能够实现能源资源最大化利用的运行模式。“源-网-荷”互动是指电源、负荷与电网三者间通过源源互补、源网协调、网荷互动和源荷互动等多种交互形式，以实现更经济、高效和安全地提高电力系统功率动态平衡能力的目标。其中，需求响应技术能够充分挖掘用户侧资源，引导用户主动参与电力市场运营与调控，也为电力系统的削峰填谷起到了较大的促进作用，是推动泛在电力物联网建设的关键技术之一。负荷侧，不再是传统的用能单元，包含多种形式负荷、储能、分布式电源的需求响应，具有更强的主动性。需求响应资源的分散性较强，其弹性水平往往达不到电网需求响应的要求，难以单独与需求响应购买者进行双边交易，且单一用户的...
【技术保护点】
1.一种源网荷互动环境下基于LSTM的超短期负荷预测方法，其特征在于，该方法主要由互动框架及响应负荷模型搭建、柔性负荷可调能力分析及基于长短期神经网络的训练及预测三个板块组成。/n所述互动框架及响应负荷模型搭建包括如下步骤：/n(1.1)“源-网-荷”协同互动框架建模；/n(1.2)典型柔性负荷资源分类及响应特性建模；/n所述柔性负荷可调能力分析包括如下步骤：/n(2.1)“源-网-荷”互动环境下负荷响应不确定性处理；/n(2.2)“源-网-荷”互动环境下可调潜力计算输入数据预处理；/n(2.3)“源-网-荷”互动环境下柔性负荷最大可调能力求解；/n所述基于LSTM的训练及...
【技术特征摘要】
1.一种源网荷互动环境下基于LSTM的超短期负荷预测方法，其特征在于，该方法主要由互动框架及响应负荷模型搭建、柔性负荷可调能力分析及基于长短期神经网络的训练及预测三个板块组成。
所述互动框架及响应负荷模型搭建包括如下步骤：
(1.1)“源-网-荷”协同互动框架建模；
(1.2)典型柔性负荷资源分类及响应特性建模；
所述柔性负荷可调能力分析包括如下步骤：
(2.1)“源-网-荷”互动环境下负荷响应不确定性处理；
(2.2)“源-网-荷”互动环境下可调潜力计算输入数据预处理；
(2.3)“源-网-荷”互动环境下柔性负荷最大可调能力求解；
所述基于LSTM的训练及预测包括如下步骤：
(3.1)基于历史负荷与柔性负荷可调能力建立LSTM训练集并训练模型；
(3.2)应用长短期记忆网络LSTM对柔性负荷进行超短期预测。
2.根据权利要求1所述的方法，其特征在于，所述步骤(1.1)具体内容建立基于“源-网-荷”互动环境的电网调度模型。建立“源-网-荷”互动环境下电网调度总体框架模型。该模型以互动主体特性分析与建模、互动主体可调度潜力评估为底层数据、技术支撑，实现互动环境下电网稳态分析、“源-网-荷”协同优化调度、“源-网-荷”互动控制以及互动性能评估，其中互动环境下电网稳态分析为协同优化调度和互动控制提供安全约束，“源-网-荷”协同优化调度的优化结果作为“源-网-荷”互动控制的数据基础。
3.根据权利要求1所述的方法，其特征在于，所述步骤(1.2)具体内容为考虑响应成本与用户满意度对典型柔性负荷的响应特性进行建模，主要包含以下子步骤：
(1.2.1)建立典型柔性负荷的物理响应模型，其中包括高载能负荷、空调负荷、热水器负荷、电动汽车负荷等四大主要类别。
(1.2.1.1)高载能负荷划分为可中断负荷、可转移负荷、可连续调节负荷三种。
(1.2.1.2)空调负荷。空调的工作状态与室温、空调温度设定值等有关，空调负荷参与电力需求响应时，模型的输入量包括需求响应控制信号、t时段室温、空调温度设定值、温度设定范围及室外温度等，综合考量以上因素进行建模。
(1.2.1.3)供暖型热负荷。热水器负荷是供暖型热负荷的一种，其工作状态与水温、热水器温度设定值、热水器进出水流速及流量、热水器自身参数等均有关，考虑其参与电力需求响应，同样综合考量以上因素进行建模。
(1.2.1.4)电动汽车负荷。电动汽车充电负荷模型与初始充电时刻、车载电池额定充电功率、满充电量要求等因素有关。
(1.2.2)基于响应成本与用户满意度等因素，充分考量现有“源-网-荷”互动模型下负荷用户的负荷聚合商模式，建立负荷聚合商模式下典型柔性负荷响应模型。
(1.2.2.1)柔性负荷的响应经济成本因响应方式的不同，可建立不同的数学模型，具体可分为价格型负荷和激励型负荷两种。
(1.2.2.2)再有柔性负荷的用户满意度包括两方面内容，一是用电方式满意度，二是响应效益满意度。柔性负荷进行需求响应时，以最大化负荷响应满意度为目标，包括两个衡量指标最大，进行多目标优化。
λi1+λi2＝1(21)
其中，λi1和λi2分别为柔性负荷用户i响应后的用电方式满意度权重和响应收益满意度γi权重。
(1.2.2.3)进一步，为更好符合当前电力市场的需求侧响应模式，将上述典型柔性负荷聚合为负荷聚合商。原本四类主要负荷，在负荷聚合商模式下重新归纳为五种典型负荷，分别为可中断负荷、可转移负荷、冷/热负荷、光储单元负荷、电动汽车负荷。建立负荷聚合商模式下的典型柔性负荷响应信号DR模型。
(1.2.2.3.1)可中断负荷的响应信号模型为：
IL＝[IL1IL2…ILt…ILT](24)
式中：IL为可中断负荷的DR子信号；为负荷聚合商通过可中断负荷参与需求响应获利；T为负荷一天内的时间序列；ρt为t时刻需求响应资源购买者对负荷聚合商的合同激励价格；ILt为可中断电负荷t时刻的需求响应信号数值，即负荷聚合商t时刻中断负荷的大小；NIL为IL用户数目；ci，t为第i个可中断负荷用户在t时刻的合同定价；为第i个IL用户在t时刻中断负荷的大小。
(1.2.2.3.2)可转移负荷的响应模型为：
TL＝[TL1TL2…TLt…TLT](31)
式中：TL为可转移电负荷的DR子信号；是实数型决策变量，为第i个TL用户在t时刻转移负荷的大小；Pmax和Emax分别为负荷最大削减功率和一日内最大削减电量；式(27)表示高峰电价时段的负荷削减量和低谷电价时段的负荷增加量相等，保证了负荷总量不变；xi，t和xi，t+1分别为t和t+1时刻0-1变量，0代表不进行中断操作，1代表进行中断操作；Tmin、Tmax分别为DR的持续时间下限和上限；TLt为可转移电负荷t时刻的需求响应子信号数值，即负荷聚合商t时刻转移负荷的大小；NTL为TL用户数。
(1.2.2.3.3)冷/热负荷。综合考虑空调负荷与供暖型热负荷，基于冷/热负荷计算的建模方法是根据能量守恒定理，任意时间段的空调所在建筑物的能量变化值等于空调制冷量/供暖热负荷与建筑物所获得的热量之差，基于电路模拟的等效热参数方法建立建筑物一阶热力学模型，反映冷/热负荷与室内温度的关系。
Tin，t+1＝Tin，te-Δt/τ+(RQt+Tout，t)(1-e-Δt/τ)(32)
τ＝RC(33)
式中：Tin，t+1、Tin，t分别为t+1时刻、t时刻的室内温度；Δt为时间间隔；τ为时间常数；R为建筑物等效热阻；C为室内空气的比热容；Qt为t时刻的负荷；Tout，t为t时刻的室外温度。
式(32)和(33)变形后得到削减后的负荷Q1，t及削减的负荷量ΔQt：
ΔQt＝Q0，t-Q1，t(35)
式中：Q0，t为削减前t时刻的负荷。考虑冷/热负荷的制冷/供热转换效率，进一步优化建模结果：
HLt＝ηΔQt(36)
HL＝[HL1HL2…HLt…HLT](37)
式中：HLt为在冷/热负荷参与需求响应情况下为电网减少的等效电负荷值，也是冷/热负荷t时刻的DR子信号数值；η为冷/热负荷的电转换效率；HL为冷/热负荷的DR子信号。
(1.2.2.3.4)光储单元负荷。负荷聚合商模式下，光伏等分布式电源和储能作为高载能负荷中可连续调节负荷同样要纳入考量。考虑用户的储能行为，结合能源集线器结构，单一光储单元用户期望的充放电行为分析如下：当供给光储单元用户i的光伏出力大于固定负荷或t时段电价ρt为低谷电价时，储能充电；当用户光伏出力小于固定负荷且t时段电价为高峰电价时储能放电，得到光储单元用户在每一时段充放电行为的数学模型如下：
ES＝[ES1ES2…ESt…EST](41)
式中：分别为光储单元用户i在t时段需求的充放电功率，也是光储单元t时段的DR子信号数值；Pi，max为用户i对应的储能充放电功率最大值；EOCi，min、EOCi，max分别为储能剩余容量最大限值和最小限值；Ei，t-1为t-1时段结束时刻的储能剩余容量；表示储能充电效率，表示储能放电效率；ρg、ρf分别为低谷电价集合和高峰电价集合；为用户有储能时的t时段光伏过剩功率；为用户没有储能时从电网购买的功率；ESt为光储单元t时刻的DR子信号数值，即t时刻...
【专利技术属性】
技术研发人员：岳铂雄，郭创新，陈晓刚，
申请(专利权)人：浙江大学，国网浙江省电力有限公司，
类型：发明
国别省市：浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。