基于SOM分類的居民用電需求響應特性提取系統設計

馮穎，盧婕，劉向向，田靜

（國網江西省電力有限公司供電服務管理中心，江西南昌330001）

需求響應（DR）技術是一種智能電網核心技術，通過需求響應能夠充分挖掘負荷側資源，對資源進行綜合配置。對比發電側，需求側的負荷數量龐大，通過專業技術能夠評估用戶的需求潛力，整合分散需求響應資源，此為實施需求響應、調用負荷側資源的基礎。在電力市場不斷發展的過程中，負荷聚合商（LA）的核心競爭力為合理且高效的負荷聚類技術，聚合對象對合適用戶與負荷進行選擇，充分挖掘負荷側響應潛力，為電力市場提供多輔助服務，從而提高負荷經濟價值[1]。分時電價（TOU）是以價格為基礎的需求響應措施，能夠反映系統不同時間段供電成本差價，能夠調節用電峰谷差，緩解電力緊張的形勢[2]。因此，對居民用電需求響應特征提取系統的設計進行分析具有重要意義，能夠掌握各用戶需求響應特征，為需求響應措施的制定提供理論基礎。

1 需求響應特征量

在需求響應分析的過程中，要重視主要特征量，比如負荷恢復時間、需求響應速度、需求響應量等。文中基于分時電價用戶響應，通過相應需求量對特征量進行定義。

1.1 分時響應量

分時響應量為電力用戶分時電價基本特征量，表示為RQeh，指的是用戶在不實施和實施分時電價時，日負荷曲線不同時間段的負荷量差值，在不同時段展現基本響應特征[3]。

1.2 多時段綜合特征響應量

為了對不同時段用戶負荷的綜合響應特征進行分析，要對多時段綜合特征響應量進行定義，表示為RQmh，表1為多時段綜合特征量CCmh。基于分時電價，峰平谷各時段變化量、日負荷率變化量、峰谷差變化量為主要多時段綜合特征響應量。另外，在早晚系統負荷時，用戶負荷上升階段平均小時負荷表示為用戶爬坡段負荷水平，因為受到分時電價影響，變化量就是爬坡段負荷水平響應量[4]。

表1 多時段綜合特征量CCmh

2 特征提取研究

2.1 神經網絡算法

神經網絡通過大量神經元相互連接，對大腦神經元信息處理方式進行模擬，使信息朝著復雜網絡系統轉變，從而創建顯式函數無法表達的輸入和輸出復雜映射關系。圖1為網絡結構，通過輸出層、隱含層、輸入層構成，輸入層和隱含層具備非線性映射關系，輸出層和隱含層映射關系為線性特點。同層各單元相互連接，任意兩層的單元相互連接。每個單元節點輸入都為相鄰的每層，上層節點輸出通過激勵函數映射后屬于輸出層外全部節點輸出，假設隱含層第i個單元節點輸出[5]表示為：

圖1 網絡結構

公式中的k指的是隱含層數量，輸出層節點輸出表示為：

式中，wij指的是第i個隱含層神經元到第j個輸出層單元權重，共有N個輸出節點，yi指的是第j個單元輸出。

通過上述神經網絡模型創建用電特征和調峰潛力之間的映射關系，此神經網絡模型通過多層神經元構成前饋網絡，此網絡通過多個節點創建有向圖，每層和下一層連接其下層[6-7]。

2.2 用戶調峰潛力評估的流程

圖2為用戶調峰潛力評估流程，主要包括3 個模塊：

圖2 用戶調峰潛力評估流程

1）收集居民用戶數據與無導向系數編碼，構成基本字典；

2）對居民家用電器特征和用電行為進行分析，得出篩選表征高峰時段用電行為基向量的條件，通過篩選基礎字典得出特征字典。之后，將基于特征字典作為基向量實現用戶導向編碼，得出用戶用電特征，也就是稀疏編碼系數A’。

3）將稀疏編碼系數作為輸出，創建MLP 神經網絡，得出待評估用戶調峰潛力[8]。

因為居民用戶行為存在周期性的特點，所以海量數據的特征字典對于同個區域用戶存在普適性。通過少量樣本數據訓練得出神經網絡之后，創建用戶特征到用戶調峰潛力映射，因為選擇隨機樣本，訓練得出的神經網絡也具備普適性。所以，構成特征字典之后創建神經網絡，在新用戶調峰潛力評估中使用，避免重復工作。并且由于該過程只需要對待評估系數編碼系數進行更新，不僅能夠提高工作效率，還能夠提高數據傳輸安全性、有效性，降低數據通信與運算壓力[9]。

3 系統構成

用戶響應子站處于需求響應用戶側，是需求響應系統和電力公司需求響應中心的橋梁，此子站包括策略模塊、控制模塊、響應信息模塊、設置模塊、監測模塊。信息模塊對蓄電池和信息模塊需求響應系統實現各需求響應信息的發送與接收。策略模塊具備預先設置需求響應策略，在對需求響應信息接收之后，子站以此策略決定是否響應需求。監測模塊能夠存儲需求響應信號并且分析，對需求響應事件過程與結果進行檢測。設置模塊為用戶利用終端訪問設備，設置需求響應項目、策略與事件[10]。

電力公司需求響應系統中各需求響應信號利用電力系統專網與公用網絡，發送用戶蓄電池需求響應。需求響應子站中信息模塊接收信號，利用策略模塊到控制模塊中，使控制信號通過電力線或者無線通信的方式發送到用戶蓄電池需求響應控制系統中，控制蓄電池充電，使蓄電池進行需求響應[11-12]。圖3為用戶需求響應系統通信網絡模型。

圖3 用戶需求響應系統通信網絡模型

需求響應控制單元對需求響應控制信號進行接收，對充電控制電路開閉進行控制，以此對蓄電池充電進行控制，從而使蓄電池參與到需求響應事件。需求響應控制模塊實現無線控制信號的發送，此控制單元通過充電控制電路，對交流電源控制。充電結束或者終止之后，需求響應控制單元將反饋信號發送到子站[13]。然后通過解調電路，將信號發送到蓄電池控制器需求響應控制單元，對蓄電池充電進行控制。在電力線載波解調之后，通過直流變換電路變壓后產生直流電。充電終止或者結束之后，需求響應控制單元通過電力載波通信模塊將響應反饋信號發送到需求響應控制模塊[14]。

4 算例分析

4.1 基于SOM分類的需求響應潛力

以50 戶居民用戶為例實現響應潛力分析，圖4為用戶全天響應潛力值的分布，在夜間的用電功率和需求響應潛力值都要比白天低，在白天用電高峰時段的需求響應峰值比較集中[15]。

圖4 用戶全天響應潛力值的分布

電價型和激勵型的需求響應具備晚高峰時段，大響應潛力一共有27 個用戶激勵型需求，其他用戶具有較大的電價型響應潛力，將兩種響應特性作為激勵響應與電價響應的高潛力型。利用以上算法開展用戶激勵，并且通過取平均值的方法得到同個類別用戶潛力曲線的聚類中心[16]。圖5和圖6分別為激勵、電價響應高潛力型分類，圖7為兩種類型用戶晚高峰的響應潛力值。

圖5 激勵響應高潛力型分類

圖6 電價響應高潛力型分類

圖7 兩種類型用戶晚高峰的響應潛力值

4.2 優化聚合

使不同響應等級的單位電量市場懲罰價格高于時段電價，提高響應等級，增加懲罰價格[17]。激勵響應高潛力型4 個響應等級懲罰價格為0.6、0.65、0.68、0.70 元·（kW·h）-1，電價響應高潛力型4 個響應等級懲罰價格為0.5、0.55、0.58、0.60 元·（kW·h）-1。

根據上述規定，利用Matlab 編程求解得到LA 最大市場補償收益用戶聚合的選擇方法，有6 名用戶的違約百分比在13%，此用戶無法參與聚合，只對其他36 個聚合用戶進行選擇。表2為聚合用戶響應等級、編碼和資源等級，一個季度補償收益為14.25 萬元，根據統一補償價格得到1 996.65 元的收益[18]。

表2 LA負荷優化聚類方案

5 結束語

通過文中研究結果可知，居民用戶負荷的主要特點為空間分散、單一功率較小、種類較多、空間分散，在需求響應過程中會出現控制困難的問題。所以要分類居民負荷，創建響應模型，分析用戶需求響應潛力。其次，根據響應潛力用戶聚類，實現分散響應資源的統一整合與調整。