文維 周遠智 黃偉 黃志發

（廣州海頤軟件有限公司 廣東省廣州市 510660）

近年來，電力行業的體制也隨著電力行業的發展中不斷革新變化，儲能技術也在不斷的推廣應用，其中儲能用戶逐漸成為各類能源投資服務商展開爭奪的主要業務之一[1]。國內對潛在儲能用戶探索主要集中在實行峰谷電價的區域內獲取，峰谷電價是儲能收益獲取利潤空間[2]。

1 負荷預測種類及相關因素分析

現階段預測電力負荷的方法種類較多，按照電力負荷的基本原理分為用地仿真類預測法、根據密度指標為參考的預測方法、趨勢類預測空間負荷方法和多元變量的預測負荷方法。

此外，還可以根據預測負荷過程中能否采用解析式表達將負荷預測的方法分為分為解析類和非解析類用電負荷預測法；

第三種預測負荷分類的方法是根據總量負荷與元胞負荷之間的先后順序把用電負荷預測的方法分為由上至下和由下至上這兩種用電負荷預測的方法。

2 常用的儲能調度運行控制策略及模型

2.1 基于電價運行控制策略的儲能模型

現在電網的朝著智能化的方向發展，用電管理措施不斷提升，用電市場能夠把實時的用電價格及時準確的反饋給電力用戶，用電的價格也是對用電需求的反饋，側面反映了電力用戶對用電量的需求。鑒于此，進一步地挖掘用電價格的管理措施下，儲能單位的充電和放電的特點，能夠有效的通過調整電價達到調節儲能資源的有效調度。

本文根據儲能系統的充電放電的原理，以及電價制度下儲能用戶的充、放電規律，把電價的影響因素作為研究依據，建立了電價控制措施與儲能充、放電負荷曲線模型。

2.2 構建實時電價與儲能調度的數學模型

儲能系統是電力系統中具有靈活性和有效性的需求側資源，在一些程度上和其他需求響應資源相類似，通過大量的聚合負荷聚合商機構，進而對需求側采取管理措施。

儲能用戶通常是在用電負荷較高的時間段實施電能釋放，在用電負荷較低時間段進行儲能補充電能，一方面實現了削峰填谷，另一方面也實現了在儲能放電的過程中獲取一定的利潤。在電價合同背景下建立的儲能系統調度模型中，是把儲能用戶獲取最大的利潤設定為優化策略的目標，并以此來確定儲能系統的最合適充電、放電時間段。儲能用戶在簽訂合同時對電力交易市場實時電價波動非常關注，以此實現儲能系統運行收益的最大化。以上述調度的數據模型為依據，制定最合理的執行方案。

3 計算方法設計

3.1 計算方法的設計步驟

在設計計算方法時，通過將不同負荷密度指標體系建立起來就可以得到影響到各種類型用電負荷的因素以及影響因素所對應的樣本庫，以作為預測分析用電負荷的參考。該指標體系也提供了預測模型所與之對應的訓練樣本集，以此為支持依據能夠得到準確度更高的預測數據，具體的負荷指標體系建立過程如下：

圖1：用戶用電負荷圖

圖2：日負荷曲線呈“駝峰”形示意圖

（1）通過分別從電力抄表系統以及相關規劃部門統計的數據庫確定影響負荷密度相關系的原因。統計分析各種類型負荷密度存在的影響因素，對統計的影響因素數據進行儲存和進一步的處理。

（2）通過建立負荷密度相關的數據指標體系，得到各個類型負荷的數據樣本，確定與之對應的樣本數據庫以及負荷相應的密度值。

3.2 算法設計

深入對用戶的負荷的大數據和用戶負荷建立的特性曲線進行研究，進而找到能滿足儲能用戶的負荷曲線規律特征，進而可以實現為投資建設的儲能項目的提供具有重要技術參數，來實現經濟效益的最大化。取每個儲能用戶的計量點負荷數據特性歸為一組，來區分不同聚類的類別界限；由于儲能用戶每天都有著不同的負荷量，因此，儲能量滿足削峰填谷的需求負荷量就有有著很多變化。本文的算法設計采用FCM 算法對儲能用戶側的負荷特性進行分析，實現對潛在的儲能用戶進行分析，進而實現能源投資商獲利最大化。

設計的步驟：

3.2.1 數據獲取用戶的用電負荷

本文設計的算法采取自動抄表系統，采集時間為每隔15min，一天按照24h 計算，每日需采集96 個時間點的負荷數據。（如圖一：某用戶某日96 個計量點負荷曲線圖，橫坐標以小時為單位時刻，縱坐標為該用戶用電負荷值，單位為kW?h）。獲取用戶的用電負荷數據如圖1 所示。

3.2.2 找出不同商業模式的各類儲能用戶負荷曲線規律

通過收集本區域中儲能用戶所在行業中比較典型的用戶負荷曲線，可以總結得出三種非常有代表性的負荷特性曲線。以下場景默認設定每日分時的峰值電價時間在：白天9:00-12:00，夜間19:00-22:00；用戶谷時電價時間段：次日0:00-06:00，N=ji，(N 采集計量點負荷，每個計量點信息為j，每日采取96 個樣本，i=1～96)，用戶的變壓器報裝容量為C=a，引入模糊匹配參數ɑ（0-100%），儲能用戶潛力值Q，ɑ 的數據接近Q 則說明儲能用戶的市場價值越大。按照每時刻采集的數據進行分類組合排序，具體算法描述如下：

第一步：聚類數據分組進行確定，

第二步：儲能用戶建立模糊類似矩陣，篩選峰谷時段的數據某個n1～i組s1～i，依據公式

第三步：算法迭代，繪制出最佳儲能用戶的圖形。

3.2.2.1 “駝峰”形負荷曲線

夜間22 點到次日8 點使用電量比較少，這種負荷曲線在市政商業區域，諸如寫字樓、商場較多。主要特點是，從早上7 點開始到晚上10 點范圍內（尤其夏季格外突出）為主要用電高峰期，基本占變壓器容量總負荷70%以上，而非用上班營業時間負荷將降到接近10%以下。結合負荷圖像的相關特性，以此獲取樣本采集分析數據：

如這類用戶的日負荷曲線呈““駝峰””形布局，如圖2 所示。

3.2.2.2 “直線”形負荷曲線

連續負荷曲線特性為24 小時負荷基本平穩，變化幅度小于20%。如圖3 所示。

3.2.2.3 “心電圖”形負荷曲線

沖擊負荷曲線特性為每15 分鐘負荷變化很大，超過20%，如圖4。

4 儲能特性用戶的聚類結果分析

4.1 預處理預測模型輸入的數據

在輸入量確定完畢的預測模型，且進行統一歸一化處理存儲的輸入量數據。這樣的處理措施可以避免一些輸入量較小的數據淹沒在數量級差別很大的數據樣本中。

本文在每日類型的影響影子中把工作日以及周六和周日的影響因子分別定義為1、0.75 和0.5。若未對數據進行歸一化處理而直接同其他量綱的輸入量進行比較，數據可能會被淹沒。通過歸一化處理來對算法進行限制，統一了不同類型的輸入量的數據，能夠讓預測的結果更加準確。

4.2 儲能預測

根據定義數據模糊匹配度ɑ，其中i 表示24 個時刻點，Sn,i和Sn-1,i-1分別表示在i 時內，n 時刻負荷值前一個與后一個計量點負荷n-1 負荷對應時刻的負荷值，C 為用戶的報裝容量，公式如式1 所示：

模糊匹配度ɑ 越大，則說明潛在儲能用戶的日負荷情況將與儲能容量想匹配，滿足分時電價的時段內的最優負荷需求，讓儲能投資得到最大的收益。

4.3 預測性能比較

本文結合某地區電網的負荷、氣象等實際數據，構造出儲能用戶充放電的預測模型。建立的預測模型曲線的結果對儲能用戶實現有效調度效益最大化有著很重要的影響。忽略該地區的影響因素時，所建立的預測曲線就不能完全呈現出調度行為的影響，與實際含有儲能的負荷曲線差別較大，擬合結果與實際的儲能負荷曲線誤差較大，擬合結果偏差的主要原因是預測模型中基本輸入量未完全表征儲能用戶對儲能影響下的負荷曲線。

圖3：“直線”形負荷曲線示意圖

圖4：“心電圖”形負荷曲線示意圖

5 結論

儲能用戶能實現用電負荷的準確預測不僅僅是體現了電網的調度能力，而且也體現了電網的智能化水平，反映著電企的服務能力。本文研究了儲能用戶算法設計的一般方法并設計了相應的算法，通過該項研究，得出如下結論：

（1）目前，儲能預測的相關技術有著較高的發展，也出現了幾種電網儲能客戶的預測模型，對電網的智能化水平提高起到重要作用。

（2）本文設計的算法通過基于用戶側負荷曲線特性預測潛在儲能客戶的建模方法，以FCM 聚類儲能用戶的特性曲線為基礎，在此結果建立的相關算法模型上，通過，找出在實現分時電價的區域內潛在優質的儲能用戶，能源投資服務商帶來最大效益。