基于能源互联网背景下的电能替代用户精细化负荷预测技术

1、 基于能源互联网背景下的“电能替代”用户精细化负荷预测技术 摘要：如今能源的生产和消费模式在不断变化，基于这个现实背景下，学者们提出了能源互联网这个新型概念，在能源互联网背景下对于电力运行和发展都将带来巨大的影响。国家电网公司在适应新背景下的电网运行和发展工作中最为重要的环节就是负荷预测。随着能源互联网的逐步运行，供电侧各种全新的影响要素在新背景下逐步体现出来，由此引发更多电网预测的不准确性和波动性。对于以往的负荷预测模型只是对于某一特定影响因素的规划，对于新的背景之下的各类影响因素，传统的负荷预测模型无法完成。此外电力企业正在经历能源互联网和“电能替代”的考验，因此寻求基于新背景下的新型负荷

2、预测模型尤为重要，本次研究提出的新型负荷预测模型将对于新环境下的电网负荷预测具有重要意义。关键词：能源互联网；电能替代；负荷预测引言电能替代是指在终端消费环节，使用电能替代散烧煤、燃油等传统化石能源的方式，通过大规模集中转化来提高燃料利用率、减少污染物排放，从而优化终端能源结构，促进生态文明建设。党的十八大以来，党和国家把生态文明建设纳入中国特色社会主义事业“五位一体”总体布局，党的十九大又提出加快生态文明体制改革，建设美丽中国的新目标新任务和新举措。1电能替代随着科学技术的发展，电动汽车、分布式电采暖、港口岸电、电锅炉等新兴电能替代技术已经拓展并应用到建筑、交通、工业等各个领域。但这些负荷接

3、入后会对电网的可靠性、电能质量、经济性造成的影响不容忽视。电能替代负荷大多具有很强的随机性、时序性，导致电力系统的峰谷差进一步增大；另一方面，电能替代负荷大规模接入电网，会明显增大负荷接入点的功率需求，使得配电网输电线路传输功率增大，网损增加，线路压降增大，导致节点电压下降，严重时可能导致节点电压不能满足标准，造成电压失稳。作为电能替代负荷的典型代表，电采暖已经得到广泛应用，并开始影响电力系统。电采暖是将清洁电能转换为热能，以满足冬季供暖需求的采暖方式或者设备。电采暖大规模、密集式接入电网后，将迅速提升地区负荷水平，对电网的规划、运行和建设产生影响，电网工作的各个环节均需进行响应的调整和修订，

4、以满足电采暖负荷发展的需求。电采暖为即开即用型，灵活性强，具有显著的季节特性，其工作状态受用户的生活规律影响，如居民区和商业区用户对直接电热式电采暖使用特征有很大差别，居民区用户白天外出，电采暖设备停用或低功率运行，晚上用户回家启动设备；商业区用户白天工作，需启动设备，夜间休息，设备停用。2电能替代背景发展新能源不仅要在能源供给侧实施清洁替代，也要在能源消费侧实施电能替代。电能替代是指在能源消费中以电能替代煤炭、石油、天然气等化石能源，从而增大电能在终端能源的消费比重。在当前我国生态环境压力下，电力替代具有重要的现实意义。2019年，政府部门出台了一系列新能源产业政策，内容涉及年度规模管理、项

5、目建设管理、运行消纳、价格补贴等环节，政策以完善项目规划建设、加速新能源补贴退坡、推进新能源平价上网、建立新能源消纳保障机制为重点，推动新能源由高速发展向高质量发展转变。3电能替代技术成效分析3.1神经网络模型作为新兴的负荷预测方法，神经网络模型首先在图像识别、自然语言处理等方面大量使用。在负荷预测方面，神经网络模型能够准确地分析负荷与天气和节日之间的关系。神经网络中包含着大量的神经元，神经元可以通过非线性函数将输入映射到输出。在预测负荷数据的过程中，神经网络选取过去一段时间的历史数据为训练样本，构建合适的网络结构，再用某种训练算法对其进行训练，在满足精度要求之后用于负荷预测。在负荷预测中应用

6、最多的是人工神经网络(artificialneuralnetworks，ann)和递归神经网络(ecurrentneuralnetworks，nn)。基于混合深度神经网络的负荷预测模糊集成模型，先用模糊聚类对历史数据进行分类，再用径向基函数的输出结果作为卷积神经网络的输入进行预测。即先将选择后的数据预处理，选择出最佳的母小波候选，确定ann架构的最佳参数，将小波变换作为适当的过滤阶段(第一个bat算法优化层);之后对ann训练和验证性能(模型拟合)进行评估;最后对人工神经网络进行训练，通过将蝙蝠算法和比例共轭梯度算法相混合，提高神经网络学习的准确性。3.2专家预测法用大量负荷预测数据和相关知识

7、的计算机系统从而构建专家负荷预测系统。一个完善的专家系统主要有以下四个独立的部分：相应丰富的知识库、完善的数据分析系统、管理系统和知识的存储与获取。专家预测发有负荷预测领域的大量经验知识和方法。它可以模拟专家对经验和知识进行分析，分析多种预测算法和模型，从而减轻相关人员的工作量，使人工操作带来的误差降低。3.3时间序列法时间序列法是目前电力负荷预测中一种比较成熟的方法。在电力负荷预测中，所使用的历史数据都是按照一定的时间间隔进行采集的，这些数据构成有序集合，形成了一个时间序列。根据负荷的历史数据来建立负荷随时间变化的数学模型，就可以确立负荷预测的表达式，预测未来的负荷波动情况。提出了一种小波变

8、换与差分自回归移动平均模型相结合的方法。其中v(t)为原始的时间序列信号，通过小波变换将其分解为概况信号vn(t)和细节信号wn(t)，分别对vn(t)和wn(t)建立aima模型，再进行k步的超前预测得出vn(t)与wn(t)，最后通过加权求和得到最终的预测值。3.4聚类的负荷类型分析在进行电力短期负载预测中，一般数据来源于scada与ami相关数据库。由于rtu故障、通信信道或传输错误、数据库问题等原因可能会有错误的发生，错误的数据信息可以称为无用数据。一般情况下，需用数据挖掘技术对脏数据进行识别和清理理论。此外，不同的电力用户的负荷模型稍有差异，其需依据自身情况进行建模，用平滑法对型负荷

9、进行预测。3.5煤改电”工程综合效益评价指标体系“煤改电”工程是电力替代的重要组成部分，符合可持续发展的要求，因此对“煤改电”工程进行合理评价是十分必要的。“煤改电”评价指标体系应具有系统性、科学性、综合性和可操作性的特点。随着电加热器数量的增加，低压配电网需要加以改造以满足供电容量需求，还应考虑改造后配电网的运行状态指标。因此，评价指标体系除考虑经济效益和社会效益指标以外，还加入了配电网运行指标，以反映配电网的改造状况和电能质量。最终建立的“煤改电”工程综合效益评价指标体系分为经济效益指标、社会效益指标和配电网运行状况指标三部分。结束语本文针对在能源互联网背景下产生的大量不确定因素的基础上，

10、结合风电和光伏发电的引入对电力系统可能出现的双向流动的特点，综合考虑了在新背景之下电能替代中新型汽车的加入和需求端的模式多样化引发的风险因素，基于传统的负荷预测结果，得到了一种新型的基于能源互联网背景下的负荷预测模型。并且对于目标区域进行了电力需求负荷预测，从上述结果可以看出，新型负荷预测模型的结果更加满足准确性和合理性。此外本次研究提出的基于能源互联网背景下的负荷预测模型能够为未来的电网建设方面的研究提供基础负荷预的数据参考和规划的前提保障。参考文献1顾辰方,王赛一,闾文浩.多元负荷条件下的电力需求预测j.电力与能源,2018,39(06):777-783.2徐秋实,周小兵,杨东俊,范玉宏,杜治.电力市场化改革后电网规划的目标及思路研究j.湖北电力,2018,42(06):27-31+37.3张小军,吴标,孙帆,徐路强.一种基于数据挖掘技术的电力负荷预测算