一种灵活调度负荷的管理系统的制作方法

本发明涉及一种灵活调度负荷的管理系统。

背景技术：

1、全球虚拟电厂(vpp)市场正在以一种显著的趋势不断增长。这些虚拟电厂可以利用其独特的特性，如需求响应资源、分布式发电、客户所有的灵活存储等，使不同的能源市场盈利并用于产生收入。公用公司和聚合器可以通过优化资产和预测来增加灵活的容量。在中国虚拟电厂的发展正在加速，作为支持可持续能源混合的一种关键手段，其在中国的影响力日益增强，尤其是在可再生能源系统中，因此虚拟电厂变得越来越重要。这种类型的电厂使用先进的技术和软件系统收集来自分布式源(如屋顶太阳能设施、电源存储系统和电动汽车)产生的电力数据，它们不生成电力，而是管理能源流动并优化电力供应。虚拟电厂已经成为传统电厂的重要补充，以确保能源供应的可靠性和稳定性。收集用户端可用的能源，如屋顶太阳能设施，并将其供应给其他需要的用户，这使他们在推动低碳和能源效率发展方面起着重要作用。以前煤炭等化石燃料往往是唯一的电力来源。电力供应管理是通过电网运营商的调度中心来满足需求。然而，随着电力生成的焦点逐渐转向如太阳能和风能等可再生能源资源，这些方式的间歇性和不总是在需要的时候可用，使得电力供应管理变得极其困难。在这种情况下，虚拟电厂作为传统电厂的补充，在需求超过供应的情况下分配由分布式源产生的电力。

2、每个区域需求侧构成都是一样，即工业、商业、居民等，且都是真实存在，不受时间和空间的限制，只需要将负荷资源集合起来，根据区域负荷特性及用电高峰和低谷，来削减或填谷这类负荷。

3、为了实现削减或填谷这类负荷，就需要一种预测算法，用于预测需求侧的负荷计算，而现有技术的需求侧预测算法的精度较低，无法满足需求。

技术实现思路

1、本发明的目的是为了解决以上现有技术的不足，提供一种具有精确的需求侧负荷预测算法的智能化的灵活调度负荷的管理系统，本发明的这个目的是这样实现的：

2、一种灵活调度负荷的管理系统，包括预测模块，所述预测模块包括空调负荷预测模块、基线计算预测模块和相似日负荷预测模块，还包括以下步骤：

3、步骤a：空调负荷预测模块获取用户历史量测信息，并且从用户历史量测信息中获取气象历史数据，空调负荷预测模块根据气象历史数据训练sarimax模型，空调负荷预测模块通过聚类算法找出相似日，空调负荷预测模块根据sarimax模型和相似日的数据，对空调负荷进行预测。

4、步骤b：基线计算预测模块选择一个响应日，若响应日为工作日，则选择邀约日之前的连续5个工作日且排除有序用电执行日和需求响应日的日期作为基线参考日集合，基线计算预测模块计算基线参考日集合中的每一个基线参考日的日平均负荷pavi，并计算8点到22点时段每一个基线参考日的平均负荷pav，如果任一pavi小于0.75pav，则从基线参考日集合中剔除所述基线参考日，并向前递推不超过45天以选取新的基线参考日，当所述基线参考日总数少于5天时，选择最近假日或响应日作为基线参考日，在剩余的基线参考日集合中剔除8点到22点时段内平均负荷最低的基线参考日，进一步将剩余基线参考日的负荷平均值确定为基线负荷。

5、步骤c：相似日负荷预测模块输入用户历史量测信息和气象历史数据，进行数据清洗、转换和预处理，利用聚类算法将日期分组为具有相似负荷特征的相似日簇群，使用相似度度量方法进行日常电力负荷特征的比较，基于所述相似日簇群的训练数据建立负荷模式，识别各相似日簇群中典型负荷曲线，在每个已识别的相似日簇群中应用平均值算法，选择一个日期作为该簇群的参照标准，根据参考日的负荷模式和典型负荷曲线生成负荷预测。

6、更进一步地，空调负荷预测模块获取用户历史量测信息，并且从用户历史量测信息中获取气象历史数据包括：从监测系统获取用户历史量测信息，从数据中获取气象历史数据，将从数据中心以及集成的数据按模型输入格式进行数据清洗与预处理。

7、更进一步地，空调负荷预测模块根据气象历史数据训练sarimax模型包括：确定模型参数：自回归阶数、移动平均阶数、季节性阶数等，将这些参数用于训练sarimax模型。

8、更进一步地，若响应日为工作日，则选择邀约日之前的连续5个工作日且排除有序用电执行日和需求响应日的日期作为基线参考日集合包括：若响应日为工作日则将该日从参考日集合剔除，同时，向前递推另选响应日，直到选满符合要求的5个参考日，向前递推不超过45天，若不能选满5天，则选择4天作为参考日，若仍不满足，则将最近的节假日或响应日也视作工作日进行计算。

9、更进一步地，所述聚类算法为k均值聚类和层次聚类中的一种。

10、更进一步地，所述相似度度量方法为欧氏距离和余弦相似度中的一种。

11、有益效果：通过空调负荷预测模块适用于批量空调负荷日前负荷预测与日内滚动预测，平均绝对百分误差低于10％，准确的负荷预测有助于降低能源使用成本，通过预防过度冷却或加热，减少不必要的能源浪费；

12、基线计算预测模块适用于大批量无规则负荷累加预测或者单体有规律负荷曲线的日前负荷预测，计算简单且负荷大部分省市需求响应基线计算规则，简化预测过程计算简单，无需复杂的数据处理，通过基线计算可以提供前后预测结果的一致性，提高预测的准确性；

13、相似日负荷预测模块适用于与气候、日类型等强相关有规律的单体用户或批量用户负荷日前预测，平均绝对百分误差低于15％，提高了对能源资源利用效率，促进了资源的优化整合，预测精度高，不仅为日常运营提供数据支持，也为长期能源规划和投资提供了参考。

技术特征：

1.一种灵活调度负荷的管理系统，其特征在于，包括预测模块，所述预测模块包括空调负荷预测模块、基线计算预测模块和相似日负荷预测模块，还包括以下步骤：

2.根据权利要求1所述的一种灵活调度负荷的管理系统，其特征在于，空调负荷预测模块获取用户历史量测信息，并且从用户历史量测信息中获取气象历史数据包括：从监测系统获取用户历史量测信息，从数据中获取气象历史数据，将从数据中心以及集成的数据按模型输入格式进行数据清洗与预处理。

3.根据权利要求1所述的一种灵活调度负荷的管理系统，其特征在于，空调负荷预测模块根据气象历史数据训练sarimax模型包括：确定模型参数：自回归阶数、移动平均阶数、季节性阶数等，将这些参数用于训练sarimax模型。

4.根据权利要求1所述的一种灵活调度负荷的管理系统，其特征在于，若响应日为工作日，则选择邀约日之前的连续5个工作日且排除有序用电执行日和需求响应日的日期作为基线参考日集合包括：若响应日为工作日则将该日从参考日集合剔除，同时，向前递推另选响应日，直到选满符合要求的5个参考日，向前递推不超过45天，若不能选满5天，则选择4天作为参考日，若仍不满足，则将最近的节假日或响应日也视作工作日进行计算。

5.根据权利要求1所述的一种灵活调度负荷的管理系统，其特征在于，所述聚类算法为k均值聚类和层次聚类中的一种。

6.根据权利要求1所述的一种灵活调度负荷的管理系统，其特征在于，所述相似度度量方法为欧氏距离和余弦相似度中的一种。

技术总结
本发明涉及一种灵活调度负荷的管理系统，包含空调负荷预测模块、基线计算预测模块以及相似日负荷预测模块，这些模块利用数据分析和预测技术来提高负荷预测的精确度，空调负荷预测模块能够实现批量空调负荷的日前置信预测与日内滚动预测，基线计算预测模块简化了大批量无规则负荷的预测流程，提高了其计算准确性，而相似日负荷预测模块则有效应对了与气候和日类型强相关的规律性负荷预测需求，这三个模块的联合应用，使得平均绝对百分误差显著降低，不仅促进了能源的灵活调度和管理的准确性，还提高了电力系统运行的效率和可靠性。

技术研发人员：沈俊东,沈诗溢,高翔
受保护的技术使用者：镇江太谷电力有限公司
技术研发日：
技术公布日：2024/9/23