基于需求響應的電力負荷預測與建模研究

宋振培, 張少迪, 周品品

[1.上海電力大學, 上海 200090; 2.上海電器科學院研究所(集團)有限公司, 上海 200063; 3.上海市智能電網需求響應重點實驗室, 上海 200063]

需求響應是指電力市場用戶響應市場價格信號或激勵措施,改變傳統用電模式的市場參與行為。在電力現貨市場競爭中引入需求響應,對資源進行協調優化是適應電力現貨市場發展的必然要求。科學、準確的電力負荷預測是優化調度方案和發電計劃的基礎。近年來,大規模間歇性新能源發電系統并網,新型負荷的廣泛接入,以及需求響應不確定性等問題,給電力負荷帶來了更高的隨機性和動態性,對電力負荷預測的準確性和時間尺度提出了更高的要求[1-6]。如何在長時間序列電力負荷預測中提高電力負荷預測模型的準確性,是當前重要且新穎的一個研究方向。

常用的電力負荷預測分析方法主要分為兩大類:第1類是以數理統計為基礎的傳統負荷預測方法;第2類是以深度學習為代表的智能負荷預測方法。第1類方法主要是根據歷史負荷數據建立預測對象的函數模型。文獻[7]采用優化后的差分整合移動平均自回歸(Autoregressive Integrated Moving Average,ARIMA)模型進行電力負荷預測,預測結果的準確度可以達到神經網絡的預測水平,但是時間序列方法對電力負荷的平滑性要求較高,如果電力負荷受到其他不穩定因素的影響,預測效果就達不到相應的精度,甚至大打折扣。文獻[8]基于靈敏度分析選擇了多元非線性回歸模型的關鍵變量,獲得了高精度的制冷負荷預測結果。……