基于用戶端電力需求需量節能優化調控方法研究

熊福龍

(國網冀北電力有限公司 唐山市豐潤區供電分公司,河北 唐山 064000)

1 引 言

目前人們對于用電量的供給服務提出了更高的要求。在電力輸送負荷逐漸增大,而用電能源越來越稀缺的情況下,如何高效地將電資源分配給各個用電客戶端,成為當前探討的熱門話題[1-3]。智能電網概念由此產生,并且依據其先進的技術對整個電網進行整合,實現電能與信息資源的靈活互動。針對目前電力需量的優化調控方法中所存在的漏洞,急需提出一種新型的用戶端電力需量優化調控方法。

文獻[4]提出基于物聯網技術的用戶端電力需量優化調控方法。該方法首先基于物聯網技術對用戶端的主體內容進行分析;根據分析結果構建電力需量優化調度模型;最后依據模型完成對用戶端電力需量優化調控。該方法具有較高的可行性,但在對用戶端電力需量進行優化調控時的用電量花費較高。文獻[5]提出基于電力需量優化調控系統的用戶端電力需量優化調控方法。該方法首先對用戶端電力需量的相關數據進行實時計算和分析,依據分析結果開發電力需量優化調控系統;最后利用該系統完成用戶端電力需量的優化調控。該方法的實際應用效果較好,但該方法存在用戶端電力需量負荷值誤差較大。為解決上述用戶端電力需量優化調控方法中存在的問題,提出基于需求側管理的用戶端電力需量優化調控方法研究。

2 數據預處理

本文對電力用戶的電力需量優化調控方法進行研究,電力用戶包括兩種類型,分別是居民生活用電和大工業用電。采用二維小波閾值法[6-8]對用戶端的電力需量數據進行去噪處理。

2.1 確定閾值

去噪效果是否理想與電力需量的閾值大小有直接關系。在選取電力需量閾值時若選定閾值過大,去噪效果會較好,但是同時會將電需量數據中的其他有效信息去除。若選取閾值較小,又會達不到去噪的效果,所以選取適當的電力需量閾值是去噪的關鍵[9-10]。

利用固定的閾值門限準則選取電量數據去噪的閾值,首先利用固定的閾值門限準則確定用戶端電力需量的閾值門限T,計算過程如式(1)所示:

(1)

式中:N為電力需量數據的長度;σ為數據中的噪聲信號。噪聲信號可以通過高頻系數中分解的中值進行估計,過程如式(2)所示:

(2)

2.2 去噪處理

閾值函數分為軟閾值函數與硬閾值函數兩種。軟閾值準則是將小波系數中小于閾值的系數設定為0,大于或等于閾值本身的數據用式(3)進行表示:

(3)

硬閾值準則是將小波系數中小于閾值的系數進行保留,把小于閾值的小波系數設定為0,表示方法如式(4)所示:

(4)

依據式(3)～式(4),對兩種閾值的函數曲線進行描繪,函數曲線如圖1所示。

(5)

式中:μ為引入的加權因子。通過計算可知,運用加權的方法對閾值函數進行表示,不僅獲取的函數值連續,而且還是小波閾值內的高階導數[11]。

最后通過獲取的閾值函數,對用戶端的電力需量數據信息進行去噪處理。

將用戶端電力需量數據中帶有噪聲的數據f(k)進行小波變換;其變換后的數據分解,過程如式(6)所示:

(6)

式中:cj,k為電力需量數據的尺度系數;dj,k為分解的電力需量數據;h,g為濾波設備;N為電力需量數據點;j為分解的層數。

(7)

式中:cj-1,n為獲取的重構電力需量數據。依據計算結果完成用戶端電力需量數據的去噪。將去噪的電力需量進行整合,獲取完整的電力需量數據。

3 電力需量優化調控方法

需求響應有利于電網平穩運行,能提升消費者的電能質量并且減少事故率。如果帶電網出現不平衡的情況,會引發繼電保護,出現電機轉速不均勻、電控制設備紊亂等現象,嚴重會造成電氣設備損壞。現代工業用電中,若某個電氣設備損壞,整個工廠的流水線會中斷,損失難以想象。對于居民生活的用電器,長期處在不平衡電壓下會嚴重影響電器使用壽命。

基于電力需求側管理理念對用戶端電力需量負荷進行分類,并計算出用戶端電力需量的控制權值、負荷優先級權值、動態需量負荷權值以及調控次數權值,最后將其進行整合獲取最終用戶端電力需量調控設備的目標調控函數,并通過該函數對用戶端電力需量調控設備進行優化,從而完成可對用戶端電力需量的優化調控。

首先依據實時電力需量負荷計算出電力的實時需量,在需量超出指定值時啟動需量的控制計算,選取合適的電力需量負荷對其進行調控。

3.1 負荷需量控制權值

電力負荷擁有周期特性,電力負荷的周期性變化具有任意分量,在運行期間周期值會發生變化。電力負荷擁有季節性特性,季節變化帶來的環境變化對電力負荷變化影響很大[14-16]。綜上所述,為了應對電力負荷變化帶來的影響,需要考慮負荷權值對電力進行調控。

在對用戶端電力需量優化調控時,調控的過程中存在先后順序,所以構建用戶端電力需量模型時要先對優先級函數進行設置,函數的表現形式如式(8)所示:

C(m)=eN-m

(8)

式中:C(m)為電力需量同類負荷優先級m的優先權值;N為分類電力需量的最大優先數據。

對用戶端分類電力需量負荷的權值函數進行定義,過程如式(9)所示:

W(i)=eN(i-1)

(9)

式中:W(i)為i類電力需量負荷的控制權值,且1≤i≤4。

用戶端電力需量負荷的優化調控權值函數如式(10)所示:

K(i,m)=W(i)C(m)=eN(i-1)+N-m=eNi-m

(10)

式中:K(i,m)為用戶端電力需量i類優先級m的負荷需量調控權值。四類優先級中數值為1的負荷權值為最高權值。

3.2 動態負荷

當用戶端的電力需量優化調控權值一致時,同類電力需量負荷都要進行需量的調節,從成本上來說,調節的次數越少,產生的影響越小[17]。

用戶端電力需量的動態負荷權值函數表達式如式1(1)所示:

(11)

式中:ΔP為用戶端電力需量的調控值;Pdev為設備的需量當前負荷值;MD為負荷的契約需量;Pall為當前所有的用戶電力需量的全部負荷值。

當用戶的電力需量負荷能夠滿足需求側管理要求的情況下,用戶若還需降低需量,則需使當前的電力需量負荷值小于負荷的契約需量,令MP-Pall>0,ΔP>0。當電力需量滿足不了側管理的需求時,電力需量的負荷一定大于其契約需量,這時MP-Pall<0,ΔP>0。電力需量的不等式關系則如式(12)所示:

e0≤L(ΔP)≤e1

(12)

3.3 電力需量的負荷調控權值

與相同類型的電力需量負荷的優先級來說,一定時間內,電力需量優化調控次數的多少,決定其調控的概率。調控的概率通常情況下不會超出上一類型的需量負荷,但是可能會超出上一類型需量的優先級負荷。

用戶端電力設備的調控權值大小用式(13)進行表示:

(13)

式中:T(con)為用戶端電力需量的當前需量負荷設備調制次數權值;maxcon為調控的最大值;con為設備已經需量進行的調制次數。用戶端電力需量的需量調制次數權值要滿足式(14):

e0≤T(con)

(14)

3.4 計算電力需量

利用時間尺度的電力需量負荷平均值對用戶端的電力需量進行測試,通過計算結果快速獲取電力需量的負荷峰值,提前對用戶端的電力需量進行調制。由于計算出的電力需量負荷峰值有可能與實際電力需量不一致,所以要將時間尺度進行適度縮減,從而提升電力需量峰值時的計算精度[18-20]。

時間尺度可依據實際情況從原來的15 min縮減到10 min或5 min,若縮減為其他時間尺度會增加多余的需量調控,增加不必要的成本。

若想在用戶端電力需量調控時減少調控次數,可以適當對用戶端電力需量進行估算。根據用戶端電力需量的歷史數據變化規律對用戶端電力需量的負荷進行估算,依據估算的結果來提前開啟或終止用戶端電力需量的調控。

3.5 最優調控目標函數

對用戶端電力需量進行調控時,對上述獲取的用戶端電力需量的控制權值、電力需量的負荷優先級權值、動態需量負荷權值以及調控的次數權值進行綜合考慮,獲取最終用戶端電力需量調控設備的目標調控函數,過程如式(15)所示:

(15)

式中:f(ld)為電力傳輸設備的目標調控函數[21-23];ld為電力需量的調控負荷設備。整個用戶端電力需量的優化調控過程如圖2所示。

圖2 用戶端電力需量優化調控流程

通過上述步驟,根據需求側管理理念,分類用戶端電力需量負荷,計算、評估并判斷各項電力需量。利用時間尺度,計算電力需量分類負荷權值和優先級,獲取整合計算結果,獲取動態需量負荷權值、調控次數權值和目標函數,由此實現基于需求側管理的用戶端電力需量優化調控。

4 實驗分析

為了驗證上述用戶端電力需量優化調控方法的整體有效性,需要對此方法進行測試。

分別采用所提方法、文獻[4]方法和文獻[5]方法進行測試,在電力傳輸局部峰值最大的情況下,利用所提方法、文獻[4]方法以及文獻[5]方法對用戶端的電力需量負荷進行檢測,檢測結果如圖3所示。

圖3 用戶端電力需量負荷檢測結果

分析圖3可知,文獻[4]方法和文獻[5]方法檢測出的電力需量負荷與標準電力需量負荷誤差較大,而所提方法能夠在電力傳輸局部峰值最大的情況下,有效檢測出用戶端電力需量負荷值,并且檢測出的電力需量負荷與標準電力需量負荷較為接近。由此可知,所提方法檢測出的用戶端電力需量負荷值誤差較小。這主要是因為所提方法基于電力需求側管理原理對用戶端電力需量負荷進行分類,并計算出電力需量的各項權值,所以該方法在對用戶端電力需量進行優化調控時,能夠有效檢測出用電需量的各項電力負荷權值,從而提高調控的精準度。

隨機選定用戶端固定時間內的用電需量,利用所提方法、文獻[4]方法以及文獻[5]方法對其進行優化調控,并將調控后的用電量費用進行對比,對比結果如表1所示。

表1 不同調控方法的用電量費用對比結果 元

分析表1可知,所提方法三季度的用電量花費均低于文獻[4]方法以及文獻[5]方法,對比文獻[4]方法和文獻[5]方法來看,所提方法一個季度可節約將近400～500元。這主要是因為所提方法通過計算獲取了用戶端電力需量的控制權值和負荷優先級權值,所以該方法在對用戶端電力需量進行優化調控時的用電量花費低。

在用戶端最大需量峰值的情況下,加入抑制因子,利用所提方法、文獻[4]方法以及文獻[5]方法對用戶端電力傳輸設備的總容量占比進行測試,測試結果如表2所示。

表2 用戶端在不同峰值下的電力傳輸設備占比測試結果 %

分析表2可知,所提方法在不同電力峰值的情況下,用戶端電力傳輸設備的總容量占比均低于文獻[4]方法以及文獻[5]方法,并且所提方法能夠在抑制因子的作用下,能夠有效將設備的總容量占比維持在85%。這主要是因為所提方法通過計算獲取了電力需量的負荷優先級權值以及調控次數權值,所以該方法在對用戶端電力需量進行優化調控時,傳輸設備電力總容量占比低。

5 結 語

為減小用戶端電力需量負荷值誤差,降低用電量花費和用戶端電力設備總容量占比,提出基于需求側管理的用戶端電力需量優化調控方法研究。利用二維小波閾值法對用戶端的電量數據進行去噪處理,基于需求側管理理念對用戶端電力需量負荷進行分類,并對分類后的各項電力需量取值進行計算。整合構建目標調控函數,對用電需量調控設備進行優化,從而實現對用戶端電力需量的優化調控。該方法能夠有效減小用戶端電力需量負荷值誤差,降低用電量花費和用戶端電力設備總容量占比。但該方法由于在獲取用電需量的動態負荷權值時還存在一定誤差,因此,今后會針對這一問題繼續對該調控方法進行優化。