基于CPSS架构的多场景低压可再生资源负荷预测方法技术

本发明专利技术公开了基于CPSS架构的多场景低压可再生资源负荷预测方法，通过构建基于信息物理社会融合系统CPSS架构的微电网，以多场景融合的方式考虑可再生能源接入和用户社会行为影响的双重不确定性的能量管理系统，从物理层、信息层、社会层三个层面建立起可感知互动的可控标准化模型以及负荷预测系统。对于电动汽车建立考虑电价、当前电池电荷和停车时长因素的充电负荷预测模型，对于用户用电场景，基于消费者心理学建立起峰谷电价差与负荷转移率的函数关系，建立基于消费者心理学机理的需求响应模型，充分考虑用户行为特征。结合以上模型，对CPSS架构下的低压可再生能源和负荷进行多场景融合的负荷预测。行多场景融合的负荷预测。行多场景融合的负荷预测。

【技术实现步骤摘要】
基于CPSS架构的多场景低压可再生资源负荷预测方法


[0001]本专利技术涉及低压可再生资源负荷预测
，尤其涉及一种基于CPSS架构的多场景低压可再生资源负荷预测方法。

技术介绍

[0002]我国近年来提出“双碳目标”，建设以新能源为主体的新型电力系统，以应对迫切的能源转型问题。而双碳转型下新型电力系统的重点之一，就是充分挖掘拓展电力的信息价值和优化电力的用户行为，结合负荷侧的可再生能源和电动汽车进行综合整体的微电网负荷预测，为系统调度提供可靠依据。
[0003]随着可再生能源渗透率不断提高，用户侧也逐渐体现出源荷双重特性。通过分布式光伏机组进行自发自用的电力用户的数量不断增长，一方面为用户自身带来切实利益，也缓解了配电网的新增容量的建设压力，另一方面也对传统“自上而下”的负荷总量预测提出了新的挑战，带来了多重不确定性。此外，电动汽车的蓬勃发展也放大了用户端本身的不确定性，因此针对用户行为进行研究非常重要，对于不同场景的负荷预测应制定相应合适的预测策略。
[0004]由于系统规划和运行的耦合性，单一的负荷预测场景难以贴合实际运行过程中多资源的相互影响的运行情况。基于传统的单一负荷预测场景的预测误差更大，更难落实到实际应用中，对于不同场景的负荷预测以及用户用电响应行为缺少清晰的描述，为城市电网的规划与运行带来潜在的风险。因此负荷预测需要综合各类资源多场景的情况，以统一的规范接入电网进行预测。
[0005]通过对现有技术进行检索，发现适用于多场景的电力负荷预测方法(申请号CN201811242485.X)，此方法获取待预测区域内的负荷预测影响因素并排序，获取待预测区域内的负荷预测影响因素的历史数据，建立待预测区域的负荷预测模型对待预测区域的电力负荷进行预测。然而此方法未考虑可再生能源比例不断提高的情况下，负荷侧可再生能源和电动汽车的接入让传统负荷预测方法的对象不再是单纯的用电用户。现有研究多为各个资源的单一的负荷预测，未有将各个负荷预测结果综合起来进行管理，没有考虑负荷预测运行的框架。因此该方法性能有待进一步提升。

技术实现思路

[0006]本专利技术目的在于通过构建基于信息物理社会融合系统CPSS架构的微电网，以多场景融合的方式考虑可再生能源接入和用户社会行为影响的双重不确定性的能量管理系统，从物理层、信息层、社会层三个层面建立起可感知互动的可控标准化模型。
[0007]本专利技术至少通过如下技术方案之一实现。
[0008]基于CPSS架构的多场景低压可再生资源负荷预测方法，包括以下步骤：
[0009]对可再生能源出力、电动汽车充电负荷和用户负荷进行耦合，预测多场景电力负荷空间分布；
[0010]建立用户充电行为的模糊推理模型；
[0011]建立起峰谷电价差与负荷转移率的关系模型，建立基于消费者心理学机理的需求响应模型；
[0012]结合以上模型，对CPSS架构下的低压可再生能源和负荷进行多场景融合的负荷预测。
[0013]进一步地，结合时间空间特性进行耦合，预测多场景电力负荷空间分布，多场景负荷耦合公式为：
[0014][0015]其中，λ
L
、λ
EV
、λ
WT
、λ
PV
分别表示各类负荷预测调节系数，P
i，t
为节点对应区域内在t时刻多场景空间负荷预测，分别表示负荷个体、电动汽车个体、风力发电机组个体、光伏机组个体k在t时刻的预测功率。
[0016]进一步地，根据前一日的预测数据和实际数据的偏差设定各类能源个体的负荷预测调节系数为：
[0017][0018]式中，λ
j
为各类负荷预测调节系数，T为一日的滚动周期数，和分别表示前一日内t时刻的预测负荷和实际负荷。
[0019]进一步地，能源个体包括分布式光伏、分布式风机、柴油发电机、分布式储能、电动汽车、用户负荷。
[0020]进一步地，对于不同种类j的能源个体k，在t时刻按接入节点i以发电功率累计电量和爬坡速率为标准构建统一的个体物理特性，并且建立相应的电气约束条件。
[0021]进一步地，模糊推理模型包括三段模糊子集、设置隶属度函数；对于电动汽车用户充电场景以电价、当前SOC、停车时长作为用户充电行为的模糊推理模型的输入量，生成用户充电概率；
[0022]进一步地，隶属度函数采用联合高斯型隶属度函数：
[0023][0024]其中，x为输入量，包括电价、当前SOC、停车时长，σ和c为联合高斯型隶属度函数的形状系数，f(x，σ，c)为对应输入量下的用户充电概率。
[0025]进一步地，对于电动汽车充电场景，采用解模糊算法的重心法求解模糊推理模型，得到充电概率清晰值：
[0026][0027]其中，f
U
(x)为连续论域U上的模糊集合，C为解模糊后的清晰值。
[0028]进一步地，对于用户用电场景，基于消费者心理学建立起峰谷电价差x与负荷转移率λ的关系模型：
[0029][0030]其中，k为线性区比例系数，λ
max
为饱和区最大负荷转移率，a和b为死区、线性区和饱和区分段的电价差节点，λ为不同峰谷电价差x下的负荷转移率。
[0031]进一步地，通过偏大型半梯形和偏小型半梯形模糊隶属度划分峰谷区间，建立基于消费者心理学机理的需求响应模型：
[0032]P
L
＝λ
p
P
L
‑
p
+λ
f
P
L
‑
f
+λ
g
P
L
‑
g
[0033]式中，P
L
‑
p
、P
L
‑
f
、P
L
‑
g
为平时段、峰时段和谷时段的负荷量，λ
p
、λ
f
、λ
g
为平时段、峰时段和谷时段的负荷转移率，P
L
为综合各个时段负荷转移后的负荷量，即用户用电功率曲线。
[0034]与现有的技术相比，本专利技术的有益效果为：
[0035]1)从物理层、信息层、社会层三个层面建立起可感知互动的可控标准化模型，为分布式能源个体的接入与管理提供便利。
[0036]2)对于电力用户建立基于消费者心理学机理的需求响应用户负荷预测模型，对于电动汽车建立了考虑电价、当前SOC和停车时长因素的充电负荷预测模型，对于用户用电场景，基于消费者心理学建立起峰谷电价差与负荷转移率的函数关系，建立基于消费者心理学机理的需求响应模型，充分考虑用户行为特征。
[0037]3)对低压可再生能源和负荷进行多场景融合的负荷预测，增强了微电网能量管理系统的可再生能源利用率。
附图说明
[0038]图1为实施例基于CPSS架构的多场景低压可再生资源本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于CPSS架构的多场景低压可再生资源负荷预测方法，其特征在于，包括以下步骤：对可再生能源出力、电动汽车充电负荷和用户负荷进行耦合，预测多场景电力负荷空间分布；建立用户充电行为的模糊推理模型；建立起峰谷电价差与负荷转移率的关系模型，建立基于消费者心理学机理的需求响应模型；结合以上模型，对CPSS架构下的低压可再生能源和负荷进行多场景融合的负荷预测。2.根据权利要求1所述的基于CPSS架构的多场景低压可再生资源负荷预测方法，其特征在于，结合时间空间特性进行耦合，预测多场景电力负荷空间分布，多场景负荷耦合公式为：其中，λ
L
、λ
EV
、λ
WT
、λ
PV
分别表示各类负荷预测调节系数，P
i，t
为节点对应区域内在t时刻多场景空间负荷预测，分别表示负荷个体、电动汽车个体、风力发电机组个体、光伏机组个体k在t时刻的预测功率。3.根据权利要求2所述的基于CPSS架构的多场景低压可再生资源负荷预测方法，其特征在于，根据前一日的预测数据和实际数据的偏差设定各类能源个体的负荷预测调节系数为：式中，λ
j
为各类负荷预测调节系数，T为一日的滚动周期数，和分别表示前一日内t时刻的预测负荷和实际负荷。4.根据权利要求3所述的基于CPSS架构的多场景低压可再生资源负荷预测方法，其特征在于，能源个体包括分布式光伏、分布式风机、柴油发电机、分布式储能、电动汽车、用户负荷。5.根据权利要求4所述的基于CPSS架构的多场景低压可再生资源负荷预测方法，其特征在于，对于不同种类j的能源个体k，在t时刻按接入节点i以发电功率累计电量和爬坡速率为标准构建统一的个体物理特性，并且建立相应的电气约束条件。6.根据权利要求1所述的基于CPSS架构的多场景低压可再生资源负荷预测方法，其特征在于，模糊推理模型包括三段模糊子集、设置隶属度函数；对于电动汽车用户充电场景以电价、当前SOC、停车时长作为用户充电行为的模糊推理模型的输入量，生成用户充电概率。7.根据权利要求6所述的基于CPSS架构...

【专利技术属性】
技术研发人员：曾君，赵紫昱，陈霆威，陈渊睿，刘俊峰，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：