基于用電采集數據的需求響應削峰潛力評估方法

任炳俐，張振高，王學軍，李慧，閆大威，張沛

(1．天津大學電氣與自動化工程學院，天津市 300072；2．國網天津市電力公司，天津市 300010；3．國網天津市電力公司經濟技術研究院，天津市 300171)

基于用電采集數據的需求響應削峰潛力評估方法

任炳俐1，張振高2，王學軍2，李慧2，閆大威3，張沛1

(1．天津大學電氣與自動化工程學院，天津市 300072；2．國網天津市電力公司，天津市 300010；3．國網天津市電力公司經濟技術研究院，天津市 300171)

目前，電網規劃按規劃年最大負荷場景對電網網架進行規劃設計。需求側響應能達到削減年度尖峰負荷的效果，對電網規劃產生影響。文章提出了一種基于用電采集數據的需求響應削峰潛力評估方法。首先，利用統計分析確定峰荷時段。其次，提出利用K-means聚類算法，以日負荷率、日峰谷差率、峰期負荷率、平期負荷率、谷期負荷率5個關鍵指標，對單一負荷進行降維聚類分析，從而確定適用于評估需求響應能力的用戶典型日負荷曲線。在此基礎上，綜合考慮負荷所在行業的需求響應降負荷率和負荷峰谷差，量化評估負荷的削峰潛力。最后，根據拓撲結構，通過逐層疊加計算總需求響應的潛力及對峰值負荷的總影響。此文提出的方法可以幫助電網規劃人員有效量化需求響應對系統峰荷的影響潛力，從而在規劃時能考慮需求響應的影響，制定合理的未來電網投資方案。

需求響應；日負荷曲線；削峰；聚類分析

0 引 言

近年來，為緩解電力需求急速增長和電網擴容困難兩者之間的矛盾問題，需求側管理(demand side management，DSM)得到越來越多的重視[1]。2015年電改九號文及其配套文件都提出了要積極開展電力需求響應和能效管理的要求。未來將大規模實施各類需求側管理，需求響應將成為削減高峰負荷、維持供需平衡的有效手段之一[2]。

需求響應(demand response，DR)是指電力公司采取一系列有效的激勵措施以及適宜的運作方式，通過正確的設計和引導消費方向，激勵和誘導用戶調整電力消費方式及行為，依靠科學技術進步，與用戶共同提高終端用電效率，降低電量消耗和電力需求所進行的管理活動[1-2]。隨著需求側管理的推進，智能電表和用電采集系統也在逐漸普及，電網公司能夠越來越多地獲得終端電力用戶的用電信息，這為評估需求響應潛力奠定了數據基礎。2010年頒布的《電力需求側管理辦法》中指出，電網企業應通過電力負荷管理系統開展負荷監測和控制，負荷監測能力達到本地區最大用電負荷的70%以上，100 kV·A及以上用戶全部納入負荷管理范圍[3]。“十二五”規劃要求，2017年全國擬實現全覆蓋目標[4]。

隨著需求響應的推廣和應用，在根據規劃年最大負荷預測值進行電網傳統規劃設計基礎上，需要考慮需求響應對電網的規劃影響。需求響應可以降低負荷峰值，進而達到推遲發電、輸電和配電擴容需求，節約資源和效益優化的目的[5-11]。

需求響應對電網規劃的影響首先體現在對負荷的影響。目前需求響應潛力的評估方法是在最大負荷的基礎上應用需求響應降負荷率。文獻[12-14]都是在最大負荷基礎上乘以不同類型用戶及措施的削峰系數來計算需求響應可削峰容量。文獻[13]和[14]還提出將需求側管理考慮為負荷的影響變量之一，采用回歸分析直接進行負荷預測的思路。用回歸分析法只能測算出綜合用電負荷的發展水平，無法具體測算出各供電區、各節點的負荷發展水平。文獻[15]對用戶進行需求側資源的分類，而后利用不同的平均降耗率，定量分析預測期內各類用戶不同需求側資源對負荷的影響效果，經多層次疊加技術測算得到預測區域內考慮需求側資源的最大負荷。文獻[12-15]中將用戶分成工業、商業和民用負荷，類別較籠統，沒有具體結合每個用戶的用電特性及響應特性，也未考慮電網拓撲，僅得到總的需求響應削減量。文獻[16]中指出DSM策略對負荷形狀的影響可以通過試點實驗確定或通過計算機仿真確定，但并未給出明確評估模型。

區域電網通過需求響應獲得的削峰效果是基于每個電力用戶的用電行為改變疊加而成，不同類型電力用戶的需求響應能力和意愿不同，這就決定了分析需求響應潛力必須要以終端用戶為單位進行分析，要使結果更具代表性，必須要先得到用戶的典型負荷曲線[17-21]。因此，本文提出一種基于用電采集數據的需求響應削峰潛力分析方法，對全網夏季月份的負荷數據進行分析，確定系統的尖峰負荷。通過統計方法選取多個尖峰負荷時刻來保證方法的魯棒性。采用負荷指標進行降維聚類確定用戶典型的用電模式，并在此基礎上獲得用戶典型日負荷曲線。而后綜合考慮負荷所在行業的需求響應降負荷率和用戶負荷的實際峰谷差約束，確定單個用戶的需求響應削峰容量。按照網絡拓撲結構，分層計算需求側響應對饋線、變電站等各層級負荷的影響，從而能將需求側響應對負荷的影響落實到具體的每個母線節點，以便規劃人員后續開展潮流計算等系統分析工作。

1 削峰潛力評估方法

1.1 總體思路

首先確定需求響應潛力分析的區域范圍。其次對區域范圍內的夏季月份整體負荷量進行分析，確定此區域的尖峰負荷時段。然后采用負荷指標的降維聚類分析方法確定每個負荷的典型用電模式，再綜合考慮負荷所在行業的需求響應降負荷率和用戶負荷峰谷差，計算出每個用戶的需求響應削峰潛力。負荷所在行業的需求響應降負荷率是根據行業統計得到的，體現了此行業負荷的響應能力和降低負荷能力。同時，該方法還考慮到此負荷的實際峰谷差，體現了負荷的實際降負荷能力。最后，將每個用戶的需求響應削峰容量按照網絡拓撲結構進行疊加，從而分層計算出需求響應對饋線、變電站等各層級負荷的影響，最終實現對選定區域內的峰值負荷的影響評估。

1.2 系統尖峰負荷時段確定

1.3 單個用戶需求響應削峰潛力評估

目前國內的需求響應措施主要是面向工業和商業用戶，而且工業和商業用戶大多數是由專用變壓器供電，用電采集系統對工業和商業用戶負荷的采集周期能達到15 min，具有較好的數據基礎。需要說明的是由于居民用戶響應潛力較低，而且居民用戶用電量小、單位戶數量大，本研究不涵蓋居民負荷的分析。因此本文在進行用戶需求響應削峰潛力研究中，只針對削峰潛力較大的工業和商業用戶。

衡量負荷特性優劣的主要指標是負荷率、峰谷差、峰谷差率和最大負荷利用小時數，這些指標從不同方面反映了用戶全天的用電特性。同時為了反映用戶不同時段的用電特性以及負荷錯峰潛力，引入峰、谷、平負荷率。日最大負荷利用小時數為日負荷率乘以采樣頻率，所以本文采用的指標計算方法如下詳述。

(1)

(2)

(3)

(4)

(5)

(6)

用戶每天計算得到的5個特征指標作為一個樣本，則用戶i表示負荷曲線特征指標的待聚類矩陣為YN×5。采用K-means聚類方法進行聚類。Yi矩陣為輸入，以歐式距離為相似性判據進行聚類。隨機選取Yi中k個樣本作為初始聚類中心，以此計算各個樣本到初始聚類中心的距離，樣本被歸入距離最小的類中，然后重新計算各聚類中心，重復進行距離計算、歸類及聚類中心的計算，直至達到規定迭代次數或類內距離不再減小，完成類數為k的聚類。

設a(x)為聚類Cj中的樣本x與類內所有其他樣本的平均距離，表征類內的緊密程度；d(x,Ci)為樣本x到另一個類Ci的所有樣本的平均距離；b(x)為樣本x到所有非同類樣本的最小平均距離，用于表征

類間的離散程度，b(x)=min{d(x,Ci)}，i=1,2,…,k，i≠j。每個樣本x的Silhouette指標計算公式如式(7)所示。

(7)

樣本x的Silhouette指標值S(x)在[-1,1]范圍內變動。a(x)越小，b(x)越大，此時，S(x)越接近1，樣本i所屬類j的類內緊密性和類間分離性越好，聚類質量越好。當a(x)>b(x)，此時S(x)<0，樣本x距非同類樣本的距離小于類內樣本的距離，聚類失效。Silhouette指標越大，表示聚類質量越好，其最大值對應的類數為最優的聚類個數。

(8)

式中λi為用戶i的需求響應措施下的平均降負荷率，即實施需求響應時，負荷平均削減量占最大負荷的比率。

不同行業用戶需求響應的基礎數據如表1所示。

表1 用戶參與需求響應特征表

Table 1 Characteristics of users’ demand response

同時，用戶的實際需求響應削峰潛力不應超過系統尖峰時刻，用戶實際負荷與日最小負荷的差值，即此值為用戶需求響應潛力可能的最大值。根據用戶i的典型負荷曲線數據可以得到用戶i在尖峰時刻與日最小負荷的差值。

(9)

式中：h表示系統的尖峰時刻，取值為1—Z；limin為用戶i的典型負荷曲線中日最小負荷。

用戶i最終的需求響應降峰負荷潛力為

(10)

1.4 需求響應對整個區域負荷的削峰潛力評估

不同用戶的需求響應削峰潛力不同，根據所選定區域內電網的拓撲結構，從饋線上進行用戶需求響應削峰潛力自下而上的疊加。同一饋線上不同類型的用戶響應量疊加得到饋線處響應量，同一變電站輻射范圍內多條饋線響應量的疊加得到變電站等級的響應量。需求響應潛力疊加的拓撲結構如圖1所示。

圖1 需求響應潛力疊加的拓撲結構

同一饋線j上多個用戶的需求響應削峰潛力通過式(11)求解。

(11)式中：Fj表示饋線j上的需求響應削峰容量；i∈j表示用戶i在饋線j上；Fi為用戶i的需求響應削峰容量。

由于整個變電站涵蓋多條用電線路，因此，在求取總需求響應對峰荷的影響時，需要考慮每條用電線路的用電狀況，同一變電站上多條饋線的需求響應削峰潛力為

(12)

式中：Fs表示變電站s的需求響應對峰值負荷的影響容量；j∈s表示饋線j與變電站s相關聯。

獲得各變電站的需求響應削峰容量后，可以在負荷預測結果的基礎上計及此影響，然后進行潮流計算以及電網規劃。系統需求響應削峰潛力為系統內所有變電站需求響應削峰容量的疊加。

Ftotal=∑Fs

(13)

1.5 整體計算流程

削峰潛力的整體計算流程如圖2所示。

(1)確定需求響應潛力分析范圍，對范圍內用戶進行分類，通常選取某一變電站輻射范圍為分析區域。

(2)確定全網的系統峰荷時段?；谌W負荷數據進行統計，明確系統尖峰負荷時段。

圖2 削峰潛力計算流程

(4)用戶削峰能力自下而上疊加?；诿總€用戶的需求響應潛力分析，進行自下而上的疊加分析，得到不同節點削峰潛力容量，進而得到整個區域的需求響應削峰潛力評估結果。

2 算例分析

以某地市電力公司下屬某變電站覆蓋范圍為研究對象，針對此區域內用戶進行篩選分析，計算需求響應削峰容量。所研究區域內無居民用戶，需要進行分析的工業和商業用戶共13戶。

2.1 系統尖峰負荷時段選取

根據此地市電力公司某年夏季7、8、9月份的負荷數據，確定尖峰負荷時段。選取全網夏季7、8、9月共計92天的負荷數據。夏季2 208 h的歷史負荷數據中，負荷值超過最大負荷85%的時間有254 h，平均每天2.76 h。因此選擇3 h作為尖峰時段。在進行數據統計后，獲得全天各個時刻峰荷出現的頻數分布，如圖3所示。

圖3中10:00—11:00、13:00—14:00、14:00—15:00為尖峰出現頻率排名前3的時段，由此可以確定這3個時段為系統最易出現峰荷的時段。

圖3 峰荷時刻總頻數分布

2.2 單個用戶需求響應削峰潛力

從用電采集系統，獲得13戶工業和商業用戶的日負荷數據。圖4為用戶1的30天歷史負荷曲線。

圖4 用戶1的日負荷曲線示意圖

根據公式(2)—(6)計算用戶日負荷數據指標，結果如表2所示，并采用K-means聚類方法進行聚類，通過對用戶歸類后的歷史負荷數據進行統計分析，將類別2的非典型日曲線剔除后，其余取平均值后得到用戶的典型日負荷曲線。圖5展示了用戶1的典型日負荷曲線。

水利工程建設項目評價是政府在招標過程中的主要參考因素。通常情況下，項目在競標之間，是要進行一些列咨詢和科學合理的評價等準備工作的，以便為工程的據測工作作不時之需。可是中小型水利工程項目顯然是沒有這樣充分的準備工作，也缺乏高效有力的評估組織團隊，施工的質量也就難以保證了。盡管我國現在已經出臺了很多相關方面的規章制度，但幾乎沒有基層水利工程是嚴格遵照這樣的標準和要求去執行的。

表3為電網峰、谷、平時段的劃分。根據公式(8)計算得到用戶可能的需求響應潛力為5.01 kW。根據公式(9)，系統峰荷時，用戶1的負荷峰與谷值差值為19.02 kW，用戶可能發生的需求響應容量不應超過尖峰時刻平均負荷與負荷最小值的差值，因此用戶1的需求響應潛力為5.01 kW。

表4為13個用戶削峰潛力的統計結果。從表4中可以看出，不同用戶的削峰潛力差異較大。理論可能的削減負荷百分值因為用戶的用電特性不同，實現程度也不同。此時用戶的需求響應潛力受系統尖峰時段內，用戶負荷與用戶日最小負荷差值的限制。用戶5和用戶9的結果中可以看出，其實際響應量遠小于理論值。

表2 用戶負荷指標計算結果

Table 2 Calculation results of user load index

圖5 用戶1的典型日負荷曲線

表4中最后一列的計算結果為直接利用用戶負荷最大值計算得到的需求響應潛力結果，未結合用電采集數據。與本文提出需求響應潛力計算結果相比，其結果過于理想。而且，在未結合用電采集數據的情形下，在進行自下而上的響應潛力疊加時，需計算每個疊加點的負荷同時率，則要用到饋線、母線、變壓器等負荷數據，為數據收集增加難度。本文提出的結合用電采集數據所實現的需求響應潛力分析，可操作性強，評估結果也更加接近實際操作。

表4 13個用戶削峰潛力統計結果

Table 4 Peak load shifting potential of 13 customers kW

2.3 綜合需求響應削峰潛力

圖6為某變電站負荷的示意圖。按照所選定區域的配電網拓撲結構進行削峰潛力結果的疊加計算。饋線1、2、3上多個用戶的需求響應削峰潛力分別為用戶1—6、用戶7—10和用戶11—13需求響應潛力的疊加，削峰潛力分別為109.52 kW、243.16 kW和55.58 kW。因此，同一變電站上多條饋線的需求響應削峰潛力為408.26 kW。

圖6 某變電站負荷示意圖

若需要在10:00—11:00、13:00—14:00、14:00—15:00的系統尖峰時段實施需求響應，則變電站處實施需求響應前后負荷曲線變化如圖7所示。

圖7 需求響應實施前后變電站負荷曲線

算例結果是僅為工業和商業供電的變電站節點處的需求響應曲線，需求響應的實施是為了緩解系統高峰，與變電站節點的高峰時段不一定完全重合。獲得的需求響應削峰容量為可操作容量，具體實施情況還受激勵、政策、人為和客觀因素影響。

3 結 論

(1)需求響應可以短時間內有效削減高峰，負荷削減潛力與用戶負荷形態有很大關系。因此需求響應的分析必須與用戶負荷數據相結合。需求響應可以作為緩解負荷高峰的有效措施。

(2)基于用戶日負荷曲線的需求響應潛力分析比只考慮用戶最大負荷的評估方法所獲得的評估結果更具實踐性。

本文方法旨在為電網規劃人員提供關于需求響應實施的量化評估新思路，從而將需求響應納入到電網規劃中，實現效益優化。本文所提出的方法和模型具備一定的可操作性、可復制性和可擴展性，可結合不同地區不同的負荷情況進行計算分析。

[1]梁甜甜，高賜威，王蓓蓓．智能電網下電力需求側管理應用[J]. 電力自動化設備，2012，32(5)：81-85． LIANG Tiantian, GAO Ciwei, WANG Beiei. Application of demand side management in smart grid[J].Electric Power Automation Equipment, 2012，32(5)：81-85．

[2]中共中央國務院. 關于進一步深化電力體制改革的若干意見[EB/OL].(2015-03-22)[2015-12-28]. http://www.ne21.com/news/show-64828.html.

[3]曾鳴, SMEERS Y. 美國和西歐用于削減用電峰值的幾種需求側管理(DSM)措施[J]. 電力建設, 1993, 14(11): 64-66, 63.

[4]國家發展和改革委員會.關于印發《電力需求側管理辦法》的通知[EB/OL].(2010-11-24)[2016-03-25]. http://bgt.ndrc.gov.cn/zcfb/201011/t20101116_498818.html.

[5]MARWAN M, KAMEL F. Demand side response to mitigate electrical peak demand in eastern and southern Australia[J]. Energy Procedia, 2011, 12: 133-142．

[6]KARANGELOS E, BOUFFARD F. Towards full integration of demand-side resources in joint forward energy/reserve electricity markets[J]. IEEE Transactions on Power Systems, 2012, 27(1): 280-289.

[7]PEDRASA M A A，SPOONER T D, MACGILL I F. Scheduling of demand side resources using binary particle swarm optimization[J]．IEEE Transactions on Power Systems,2009,24(3)：1173-1181．

[8]RAMANATHAN B，VITTAL V. A framework for evaluation of advanced direct load control with minimum disruption[J], IEEE Transactions on Power Systems, 2008, 23(4): 1681-1688.

[9]PALENSKY P, DIETRICH D．Demand side management：demand response, intelligent energy systems ,and smart loads[J]．IEEE Transactions on Industrial Informatics. 2011, 7(3):381-388.

[10]宋毅, 歐陽邵杰, 王旭陽, 等. 考慮需求側資源的新型電網規劃模式[J]. 電力建設, 2013, 34(11): 12-16. SONG Yi, OUYANG ShaoJie, WANG Xuyang,et al. New power grid planning model with considering demand side resources[J]. Electric Power Construction, 2013, 34(11): 12-16.

[11]薛萬磊, 趙龍, 張杰, 等. 兼容需求側綜合資源的輸配電容量規劃項目評價研究[J]. 電力建設, 2015, 36(4): 16-20. XUE Wanlei, ZHAO Long, ZHANG Jie, et al. Evaluation of transmission and distribution capacity planning with considering comprehensive demand-side resources[J]. Electric Power Construction, 2015, 36(4): 16-20.

[12]李亞平, 王珂, 郭曉蕊, 等. 基于多場景評估的區域電網需求響應潛力[J]. 電網與清潔能源, 2015, 31(7): 1-7. LI Yaping, WANG Ke, GUO Xiaorui,et al. Demand response potential based on multi-scenarios assessment in regional power system[J].Power System and Clean Energy, 2015, 31(7): 1-7.

[13]蘇衛華, 儲琳琳, 張亮, 等. 考慮需求側管理的負荷預測方法研究[J]. 華東電力, 2010 , 38(8): 1236-1239. SU Weihua, CHU Linlin, ZHANG Liang, et al. Study on load forecast method considering demand side management[J]. East China Electric Power, 2010 , 38(8): 1236-1239.

[14]周江昕.考慮需求側管理的負荷預測方法研究[D].上海：上海交通大學, 2012. ZHOU Jiangxin. Research on load forecasting method considering power demand side management[D]. Shanghai: Shanghai Jiao Tong University, 2012.

[15]曾鳴, 李娜, 王濤, 等. 兼容需求側資源的負荷預測新方法[J]. 電力自動化設備, 2013, 33(10): 59-62, 73. ZENG Ming, LI Na, WANG Tao, et al. Load forecasting compatible with demand-side resources[J]. Electric Power Automation Equipment, 2013, 33(10): 59-62, 73.

[16]YAU T S, SMITH W M, HUFF R G, et al. Demand-side management impact on the transmission and distribution system[J]. IEEE Transactions on Power Systems, 1990, 5(2): 506-512.

[17]趙巖, 李磊, 劉俊勇, 等. 上海電網需求側負荷模式的組合識別模型[J]. 電網技術, 2010, 34(1): 145-151. ZHAO Yan, LI Lei, LIU Junyong, et al. Combinational recognition model for demand side load profile in Shanghai power grid[J]. Power System Technology, 2010, 34(1): 145-151.

[18]孟令奎, 段紅偉, 黃長青, 等. 一種基于語義聚類的典型日負荷曲線選取方法[J]. 華北電力大學學報(自然科學版), 2013, 40(1): 43-48. MENG Lingkui, DUAN Hongwei, HUANG Changqing, et al. A semantic clustering method for selecting the typical day load curve[J]. Journal of North China Electric Power University(Natural Science Edition), 2013, 40(1): 43-48.

[19]李欣然, 姜學皎, 錢軍, 等. 基于用戶日負荷曲線的用電行業分類與綜合方法[J]. 電力系統自動化, 2010, 34(10): 56-61. LI Xinran, JIANG Xuejiao, QIAN Jun, et al. A classifying and synthesizing method of power consumer industry based on the daily load profile[J]. Automation of Electric Power Systems, 2010, 34(10): 56-61.

[20]張忠華. 電力系統負荷分類研究[D]. 天津: 天津大學, 2007. ZHANG Zhonghua. Study on load classification in power system[D]. Tianjin: Tianjin University, 2007.

[21]張靠社, 何優琪, 劉福潮, 等. 基于曲線相似性的負荷分類方法及其應用研究[J]. 電網與清潔能源, 2014, 30(7): 32-37. ZHANG Kaoshe, HE Youqi, LIU Fuchao, et al. Load clustering method and its application based on the similarity of curves[J]. Power System and Clean Energy, 2014, 30(7): 32-37.

(編輯 景賀峰)

Assessment Method of Demand Response Peak Shaving Potential Based on Metered Load Data

REN Bingli1, ZHANG Zhengao2, WANG Xuejun2, LI Hui2, YAN Dawei3, ZHANG Pei1

(1.School of Electrical Engineering and Automation, Tianjin University, Tianjin 300072, China; 2.State Grid Tianjin Electric Power Company, Tianjin 300010, China; 3.Economic Research Institute of State Grid Tianjin Electric Power Company, Tianjin 300171, China)

Currently, grid planning study is typically based on the maximum annual peak load scenario. The demand response can achieve the reduction of annual peak load, which has impact on power grid planning. This paper proposes a new method of assessing peak load reduction due to demand response based on metered load data. Firstly, we use statistic analysis to determine the peak load time frame. Secondly, we carry out the dimension-reducing clustering analysis on single load based onK-means clustering method with five key indicators, daily load rate, peak-valley ratio, peak load rate, normal load rate and valley load rate, and then determine user’s typical daily load curve suitable for the assessment of demand response ability. On this basis, we quantitatively evaluate the peak load reduction potential with comprehensively considering load-reducing rate and peak-valley difference of demand response in different industry. Finally, according to the topology we calculate the total demand response potential and its impact on peak load by aggregating all of electricity users’ peak load reduction potentials. The proposed method can effectively quantify the demand response program’s impact on peak load reduction, therefore it can consider the impact of demand response in the planning and formulate reasonable future investment scheme of power grid.

demand response; daily load curve; peak shaving; clustering analysis

國網天津市電力公司科技項目(SGTYHT/14-JS-188)

TM 73

A

1000-7229(2016)11-0064-07

10.3969/j.issn.1000-7229.2016.11.010

2016-07-22

任炳俐(1991)，女，碩士研究生，主要研究方向為電力需求響應；

張振高(1972)，男，碩士，高級工程師，主要研究方向為電網規劃與管理；

王學軍(1975)，男，碩士，高級工程師，主要研究方向為電網規劃；

李慧(1981)，女，碩士，高級工程師，主要研究方向為輸電網規劃；

閆大威(1977)，男，碩士，高級工程師，主要研究方向為配電規劃和配電自動化；

張沛(1972)，男，博士，教授級高級工程師，主要研究方向為電力系統可靠性和風險評估。