基于大數據的分布式電采暖負荷調峰方法仿真

李 爽,冉春雨

(1. 吉林建筑科技學院市政與環境工程學院,吉林 長春 130114;2. 吉林建筑大學市政與環境工程學院,吉林 長春 130118)

1 引言

現階段,我國開始大力推廣電采暖方式[1,2]。隨著煤改電用戶的飛速增加,各個地區低壓配電網基礎設施改造需求和電力供需壓力快速增加。為了緩解電力供需矛盾日益惡化,鼓勵煤改電用戶實現負荷削峰填谷,全面增加電網負荷率和運行效率。研究一種全新的分布式電采暖負荷調峰方法是當前研究的首要內容。國內相關專家進行了大量的研究,例如王志強等人[3]考慮到自身特性和外界環境因素,分析建筑物溫度對時變方程產生的影響,以此為依據進行負荷特性建模;然后通過優化方法獲取不同用戶的用電負荷特性;最終根據熱需求以及響應行為的影響因素構建區域用戶分類標準,最終完成電采暖負荷調峰。李玲等人[4]通過機理分析確定機組路由的額定負荷變化規律,將PID參數整定方法和仿真分析結果相結合,獲取協調控制系統的最優參數,同時制定對應的調峰方案。

基于已有方法,提出一種基于大數據的分布式電采暖負荷調峰方法。經實驗測試證明,所提方法可以更好地完成電采暖負荷調峰。

2 方法

2.1 基于大數據的分布式電采暖負荷預測

現階段,對電采暖負荷產生影響的因素可以劃分為多種不同的類型,其中主要的影響因素為用戶行為習慣以及地理環境等。

優先借助大數據技術采集分布式電采暖負荷數據[5,6]。隨著電采暖負荷數據呈爆炸式增長,在處理海量數據的過程中,需要針對以下幾方面內容進行改進,例如對復雜數據的處理能力以及數據的實時處理能力等。其中,分布式電采暖負荷數據的采集步驟如下所示

1)通過大數據技術采集分布式電采暖負荷數據;

2)將采集到的全部電采暖負荷數據進行整合處理;

3)對全部電采暖負荷數據進行預處理;

4)將全部數據輸出,最終得到分布式電采暖負荷數據采集結果。

根據不同負荷數據的屬性特征,將采集的電采暖負荷數據劃分為可觀測數據以及隱藏數據。將其設定為不同的變量,分別各個變量之間的關系,進而構建LSTM網絡架構。

LSTM網絡是由三個不同的部分組成,分別為輸入/輸出層以及隱含層[7,8],不同層次具有不同的功能,各個層次之間相互協作,緊密聯系。

設定觀測樣本為[p1,p2,…,pm],通過其可以獲取參數?對應的概率模型k(x,?),則參數θ的對數似然函數v(?)可以表示為式(1)的形式

(1)

假設在觀測數據中的測試樣本數據是完整的,那么可以采用v(?)進行計算得到對應的估計參數?。但是由于實際所觀測到的樣本數據并不是完整的,其中包含隱藏變量υ,則有關參數?的對數似然函數可以表示為以下形式

(2)

由于υ的存在,會造成?的計算難度增加。為了有效解決上述問題,需要優先對參數?和υ兩者之間的關系進行深入分析,同時多次重復以上操作步驟,直至滿足終止條件則停止操作。

EM算法主要劃分為兩個步驟[9,10],經過兩個步驟的反復迭代,最終實現對應參數的估計,以下給出具體的操作步驟:

1)E步驟:

設定Tijl代表隱藏變量υ的分布,則需要滿足以下約束條件

(3)

由于隱藏變量υ的存在,當v(?)的取值增加時υ的取值也會相應增加,所以以下可以采用υ的取值獲取v(?)的最大似然下界約束條件,如式(4)所示

(4)

式中,a(i)和b(i)分別代表不同類型的負荷業務數據;n代表任意常數;γ代表電力系統的日存儲能力。

2)M步驟:

分析隱藏變量υ的分布條件,以此為依據,對參數υ進行優化調整以及求導,最終獲取最大化似然參數。

多次重復步驟M和步驟E,經過不斷地迭代優化,最終獲取模型的解。

當對分布式電采暖負荷調峰的影響因素進行分析時,可以實時掌握過去一段時間內建筑外的溫度以及環境變化情況,將LSTM網絡和EM算法進行結合,對分布式電采暖負荷進行預測。

針對LSTM網絡中隱藏節點而言,由于節點類型不同,所以采用的處理方式也不同。其中,可以將父節點和子節點統稱為離散節點,以下需要各個節點進行優化處理,具體計算過程如式(5)所示

(5)

式中,y(x)代表節點優化結果;y(i)代表概率密度函數;z(i,j)代表輸出門對應的節點權重。

將采集到的電采暖負荷數據作為LSTM網絡的輸入,同時明確對分布式電采暖產生影響的主要因素。分析電采暖負荷的主要特點,采用LSTM網絡和EM算法相結合的方式對分布式電采暖負荷進行預測[11,12],詳細的操作步驟如圖1所示:

1)通過大數據技術采集最近幾年比較典型的分布式電采暖負荷數據,同時將其設定為模型的輸入。

2)分析不同類型電采暖負荷數據之間的關系,同時以此為依據,構建LSTM網絡結構。

3)將LSTM網絡和EM算法進行有效結合。

4)將采集到的數據輸入到模型中。

5)對數據進行訓練,最終輸出分布式電采暖負荷預測數據。

2.2 分布式電采暖負荷調峰

為了更好完成分布式電采暖負荷調峰,需要將日電采暖負荷預測函數以及溫度作為變量,忽略其它影響因素。為了確保冬季室內溫度的穩定,需要有效避免各種能量的浪費,其中分布式電采暖的供熱負荷需要隨著溫度的變化而變化,具體的計算式如下

(6)

式中,Hxyz代表不同區域內在設定時間段的電采暖供熱負荷;Hxy代表在設定時間段內建筑散熱所產生的負荷;Ht代表電供熱系統形成的最大損失負荷;xi、yi以及zi代表不同區域內的建筑總數;Kt代表建筑物的總面積;lwater代表在設定時間段內建筑物外部的溫度;uot代表室內外溫度的差值;oit代表設定時間段內建筑的散熱量。

由于建筑物的總面積屬于固定值,則電采暖產生供熱量所對應的溫度函數Hu,v,w如式(7)所示

(7)

式中,φ代表供熱系統產生的供熱總量;Dt-outside代表建筑物散熱指標;Fi代表采用電采暖進行供熱產生的費用。

當建筑物停止供暖時,電采暖負荷需要滿足以下約束條件

(8)

式中,d代表常數。

隨著大批量用戶開始采用電供暖方式,促使電網的波動性和不可預測性大幅度增加。在使用電采暖初期,會花費大量的成本。所以可以將風能轉換為機械能,然后機械能轉換為電能,這樣的發電成本就會比較低一些。在供暖低谷期,火電機組所產生的燃料成本lit計算式如下

lit=(xi·yi·zi)+cit+rit

(9)

式中,cit代表機組i產生的燃料系數;cit代表火電機組在設定時間范圍內的出力總和。

由于風電機組啟動或運行會耗費大量的成本,所以在計算的過程中還需要將整個火電機組的啟停成本考慮在內,以下將最小分布式電采暖成本作為目標,則對應的目標函數如式(10)所示

(10)

式中,minB代表分布式電采暖的最小成本;Bit(y)代表火電機組的啟停總次數;His代表設定時間段內的用電成本。

進行電采暖不僅會受到發電性能的影響,同時還會受到電網有功調節以及風速等自然條件的影響,以下給出具體的約束條件:

1)機組出力約束條件Gijt如式(12)所示

(11)

由于對風速的測定是十分復雜的,結合相關先驗知識,能夠獲取以下形式的風速計算結果

(12)

式中,ft代表額定風速。

分析采用電采暖供熱的實際運行情況,同時設定以下約束條件。其中,電采暖負荷的爬坡約束條件為

(13)

2)最短運行時間以及停機時間約束,如式(15)所示:

(14)

根據目標函數以及設定的約束條件,構建分布式電采暖負荷調峰模型,采用修正多目標粒子群算法[13,14]對建立的負荷調峰模型進行求解,詳細的操作步驟如下所示:

1)將算法中的全部粒子進行歸一化處理,獲取不同決策變量的上下界取值,獲取電采暖方式的約束映射。

2)計算采用電采暖方式進行供熱的平衡差額。

3)對供熱平衡進行調節。

4)判定供電平衡修正公式和供熱平衡是否相似,假設相似,則繼續進行風力發電;反之,則由其它機組進行出力。

5)分別計算不同粒子之間的歐式距離,同時確定各個粒子之間的共享函數。

6)計算共享度,同時對負荷調峰模型進行求解,搜索最優解,將其作為最優分布式電采暖負荷調峰方案。

3 仿真研究

為了驗證所提基于大數據的分布式電采暖負荷調峰方法的有效性,選取J村莊典型的50戶電采暖用戶進行測試分析,測試數據來源于2020年1月18日到1月31日。

將全部用戶按照可控度劃分為10組,可控度是隨之降低的,設定初始溫度為18℃,溫升系數為22℃。其中,用戶的舒適溫度也為18℃。

采用所提方法獲取的最優調峰方案,以45min為一個調峰間隔,利用表1給出最優調峰方案下各個調控時間的統計結果:

表1 最優負荷調峰方案下調控時段統計結果

分析表1中的實驗數據可知,代理公司對1組進行調峰的次數比較多,平均值高達62.5個時段,而且第1組的最大和最小時段數也明顯高于其它分組,說明調峰次數多的調峰時間更加靈活,而且參數負荷調峰的時段更多一些。

利用圖2給出前4組用戶采用所提方法進行調峰后,各組用戶的負荷削減量變化情況。

圖2 不同峰時段各組用戶的負荷削減量測試結果

分析圖2中的實驗數據可知,經過所提方法進行調峰后,各個峰谷時段的負荷發生了十分明顯的變化,這說明所提方法可以更好實現調峰。主要是因為所提方法在進行調峰時期,對用戶各個時段的電采暖負荷進行預測,為后續調峰奠定堅實的基礎,同時也能夠起到削峰填谷的目的。

4 結束語

針對傳統方法存在的一系列問題,設計并提出一種基于大數據的分布式電采暖負荷調峰方法。經實驗測試證明,所提方法能夠更好地完成削峰填谷,獲取更好的負荷調峰方案。

雖然所提方法現階段取得了比較滿意的研究成果,但是仍然存在不足,后續將針對以下幾方面的內容進行更深層次的研究:

1)減少電網運行風險以及控制難度,在確保電力成本不增加的情況有效延長供暖時長。

2)對風電出力情況進行深入研究,獲取成本最低且收益最高的風電出力方案。

3)和政府相關部門進行溝通,制定合理有效的供暖電價,同時還需要構建有效的電力市場,確保用戶可以通過最低的價格完成電采暖。