考慮多重因素耦合的廣義負荷特征曲線的模式分析

韋善陽，黎靜華，黃 乾，雷永勝，朱夢姝

（廣西大學(xué)電氣工程學(xué)院,廣西壯族自治區(qū)南寧市530004）

0 引言

傳統(tǒng)的電力負荷一般是指對外呈現(xiàn)消耗功率狀態(tài)的用電設(shè)備綜合。隨著智能電網(wǎng)的發(fā)展,電力系統(tǒng)的節(jié)點既連接了用電設(shè)備,又連接了主動負荷、分布式電源等“綜合”設(shè)備,使得節(jié)點負荷既具有“負荷”特性,又具有“電源”特性,稱之為廣義負荷［1-2］。與傳統(tǒng)的負荷相比,廣義負荷的特征更加復(fù)雜,需要開展專門的研究。

對于廣義負荷數(shù)據(jù)的獲取,目前文獻大多采用模擬生成的方法。根據(jù)考慮的影響因素的不同,模擬產(chǎn)生的廣義負荷數(shù)據(jù)可以分為以下3 類。

1）考慮新能源接入的廣義負荷。文獻［3-5］將電網(wǎng)實際基礎(chǔ)負荷減去新能源發(fā)電功率后的“凈負荷”作為廣義負荷。文獻［6-7］提出了考慮風(fēng)電、光伏出力特性的隨機生產(chǎn)模擬方法,獲得考慮負荷及新能源時序變化特性的機組出力仿真數(shù)據(jù),該數(shù)據(jù)在數(shù)值上等價于廣義負荷。

2）考慮電動汽車充電的廣義負荷。文獻［2,8-9］采用蒙特卡洛法模擬產(chǎn)生電動汽車充電負荷,并疊加電網(wǎng)基礎(chǔ)負荷,獲得電動汽車充電場景下的廣義負荷數(shù)據(jù)。

3）考慮需求側(cè)響應(yīng)的廣義負荷。文獻［10-11］構(gòu)建了電力用戶的電價行為響應(yīng)模型,將電價響應(yīng)后的電網(wǎng)總負荷當(dāng)成廣義負荷。文獻［12］以平抑新能源接入帶來的負荷波動為優(yōu)化目標(biāo),建立了主動負荷響應(yīng)新能源變化的需求側(cè)響應(yīng)模型,獲得考慮需求側(cè)響應(yīng)的廣義負荷數(shù)據(jù)。

上述文獻所提出的方法為獲取廣義負荷數(shù)據(jù)提供了有益思路。但這些方法考慮的影響因素比較單一,而在一些實際場景中廣義負荷受多重因素的耦合影響,因此,這些方法獲得的廣義負荷數(shù)據(jù)與實際情況相比偏差較大。

在廣義負荷特征曲線提取方面,目前各種聚類方法被不斷研究和應(yīng)用于提取用戶負荷模式［13-19］,其中k 均值（k-means）方法和模糊C 均值（fuzzy Cmeans,FCM）方法最為常見［20］。文獻［13］采用奇異值分解法對日負荷曲線降維,基于降維指標(biāo)采用kmeans 算法對負荷曲線進行聚類,能夠較快速地提取出用戶用電模式。然而k-means 算法對離群點十分敏感,通常需要在聚類之前將離群點剔除。由于廣義負荷曲線之間形態(tài)差異較大,一些離群點本身可能就是具有研究價值的一類。因此,采用k-means算法提取廣義負荷模式可能會產(chǎn)生較大的誤差。文獻［14］提出一種基于云模型與FCM 聚類的方法,能較好地提取出負荷模式。然而FCM 聚類方法存在計算量大、需預(yù)先多次迭代以確定聚類數(shù)目等缺點,處理規(guī)模較大的廣義負荷數(shù)據(jù)時運算效率低。因此,仍需要研究適用于廣義負荷的聚類算法。

在廣義負荷的曲線分析方面,尚存在以下問題:①現(xiàn)有研究模擬產(chǎn)生廣義負荷數(shù)據(jù)后,大多直接應(yīng)用于研究負荷預(yù)測方法［3-5］或研究需求側(cè)響應(yīng)策略［21］等,而缺乏對廣義負荷曲線特征的分析；②現(xiàn)有研究考慮的廣義負荷的因素仍比較單一。隨著新能源并網(wǎng)規(guī)模不斷擴大,以及電動汽車、儲能等主動負荷不斷增多,未來將會出現(xiàn)多種廣義負荷場景,如新能源占比分別為10%、20%、50% 的場景［22］等。電力系統(tǒng)的負荷預(yù)測、電力規(guī)劃、運行、調(diào)度、控制等都需要分析這些場景下的負荷曲線模式特征,以更好地消納新能源電力、提高運行安全性和經(jīng)濟性。然而,目前尚未有較全面地考慮這些因素影響的負荷曲線場景模擬及特征的研究。

基于以上分析,本文對廣義負荷特征曲線開展如下研究:①在廣義負荷數(shù)據(jù)模擬方面,建立了包含電動汽車、新能源和需求側(cè)響應(yīng)的廣義負荷模擬模型,針對當(dāng)前廣義負荷數(shù)據(jù)模擬模型均只考慮單一影響因素的問題,提出了考慮多重因素耦合作用下的廣義負荷模擬模型,獲取了單因素影響下及多重因素耦合影響下的廣義負荷數(shù)據(jù)；②在廣義負荷特征曲線提取方面,采用基于密度的DBSCAN 聚類方法［23-25］對廣義負荷數(shù)據(jù)進行聚類,DBSCAN 聚類具有對離群點不敏感、無須預(yù)先設(shè)定聚類數(shù)、計算速度快等優(yōu)點,能較好、較快地提取出廣義負荷的特征曲線；③在廣義負荷的曲線分析方面,通過設(shè)置不同的廣義負荷場景,探索了未來多種可能場景下的廣義負荷曲線形態(tài)和特征。本文分析結(jié)果呈現(xiàn)了未來廣義負荷曲線的特征形態(tài),可為新能源電力系統(tǒng)的規(guī)劃、運行和調(diào)控提供參考。

1 廣義負荷的定義及影響因素分析

目前研究對廣義負荷尚缺乏明確的定義。對此,本文嘗試給出廣義負荷的定義:在高比例可再生能源并網(wǎng)和智能電網(wǎng)不斷發(fā)展的背景下,負荷側(cè)的可再生能源出力、靈活性資源和實際用電需求的總和,定義為廣義負荷。

廣義負荷的成分如圖1 所示?？梢钥吹綇V義負荷的組成復(fù)雜,不僅包含傳統(tǒng)用電設(shè)備,還包含風(fēng)電、光伏等分布式電源,以及電動汽車、主動負荷等靈活性資源。廣義負荷的各成分分別受到多重因素的影響,其中分布式風(fēng)電和光伏受到風(fēng)速、風(fēng)向、光照輻射、云量等氣象因素的影響；電動汽車充電負荷受到交通情況、用戶出行習(xí)慣等因素影響；主動負荷受到市場電價及需求側(cè)響應(yīng)策略等因素的影響。由此可知,廣義負荷受上述多重因素的疊加影響。此外,廣義負荷的各成分之間往往也存在耦合影響。例如,主動負荷的需求側(cè)響應(yīng)策略通常與新能源出力情況相關(guān)［12,21］。因此,在分析廣義負荷特征時,需要考慮多重因素對廣義負荷的耦合影響。

圖1 廣義負荷成分示意圖Fig.1 Schematic diagram of component of generalized load

實際中,可根據(jù)廣義負荷所包含成分的不同對其進行分類,如分為考慮新能源接入的廣義負荷、考慮電動汽車充電的廣義負荷等。對于某一類型的廣義負荷,當(dāng)其成分參數(shù)取值不同時,便對應(yīng)了不同的廣義負荷場景。例如,對于考慮新能源接入的廣義負荷,不同的新能源滲透率對應(yīng)不同的廣義負荷場景。本文研究電動汽車充電、新能源發(fā)電、需求側(cè)響應(yīng)等成分因素單獨和耦合影響下的5 種廣義負荷類型,并研究這5 種類型的廣義負荷在不同場景下的負荷曲線形態(tài)特征。

2 廣義負荷數(shù)據(jù)模擬模型與負荷模式提取

本文建立了如下5 種類型的廣義負荷數(shù)據(jù)模擬模型,以獲得相應(yīng)廣義負荷數(shù)據(jù)進行分析。

2.1 考慮電動汽車充電的廣義負荷模擬模型

首先,建立電動汽車充電模型。將每一輛電動汽車充電負荷曲線累加可得到總充電負荷曲線:

式中:PEV,load(t)為t 時段電動汽車充電總功率,t=1,2,…,N,N 為總時段數(shù)；PEV,k(t)為第k 輛電動汽車在t 時段的充電功率,k=1,2,…,n,n 為電動汽車總數(shù)。PEV,k(t)由蒙特卡洛法模擬產(chǎn)生［26］,需要確定的參數(shù)包括電動汽車充電特性參數(shù)和電動汽車出行參數(shù)。其中,電動汽車充電特性參數(shù)與電動汽車類型有關(guān)。電動汽車出行參數(shù)包括每日返程時間的概率分布、行駛里程的概率分布和荷電狀態(tài)的概率分布,分別由式（2）至式（4）計算得到。

本文假設(shè)電動汽車每日返程時間t0服從正態(tài)分布,其概率密度函數(shù)為［2］:

式中:σt和μt分別為車輛返回時刻的均值和標(biāo)準(zhǔn)差。

假設(shè)電動汽車每日行駛里程S 也服從正態(tài)分布,其概率密度函數(shù)［26］為:

式中:σs和μs分別為電動汽車每日行駛里程S 的均值和標(biāo)準(zhǔn)差。對于不同類型的電動汽車,σt、μt、σs和μs的取值不同。

電動汽車的荷電狀態(tài)TC計算公式如下:

式中:W100為電動汽車每百公里能耗；Pc為充電功率；ηC,EV為充電效率。

模擬生成電動汽車充電功率后,可獲得考慮電動汽車充電的廣義負荷向量PGL,EV:

式中:Pbase為電網(wǎng)基礎(chǔ)負荷向量,其體現(xiàn)了氣象、經(jīng)濟、日期類型等“常規(guī)”因素的影響；PEV,load為電動汽車充電功率向量。當(dāng)不同規(guī)模、不同類型的電動汽車充電時,可獲得相應(yīng)不同場景下的PGL,EV。

2.2 考慮新能源接入的廣義負荷模擬模型

考慮新能源接入的廣義負荷PGL,re計算式如下:

式中:Pre為新能源發(fā)電功率向量。當(dāng)不同滲透率的新能源接入時,可獲得相應(yīng)不同場景下的PGL,re。

2.3 考慮電價型負荷響應(yīng)的廣義負荷模擬模型

需求側(cè)的靈活性負荷中,有一部分負荷受電價的影響較大,稱之為電價型負荷。電價型負荷根據(jù)電價信號改變其自身用電行為,從而改變廣義負荷曲線形狀。電價對電價型負荷的影響通常采用需求價格彈性系數(shù)來描述:

式中:εi,j為第i 時段對第j 時段的需求價格彈性系數(shù),其中i,j=1,2,…,N；ΔPi為第i 時段用電需求的變化量；Pi為第i 時段的初始用電需求；Δλj為第j 時段價格的變化量；λj為第j 時段的初始價格。由此,可以計算出第i 時段電價型負荷的變化量為:

計算式（8）需要已知價格彈性系數(shù)ε。ε 可認(rèn)為服從正態(tài)分布,第i 對第j 時段的價格彈性系數(shù)可由下式計算獲得［11］:

式中:δ 為根據(jù)轉(zhuǎn)移時間距離的增加來調(diào)節(jié)彈性系數(shù)減小強度的參數(shù)。

第i 時段響應(yīng)后的電價型負荷P?price(i)為:

式中:Pprice(i)為第i 時段響應(yīng)電價變化前的電價型負荷。

考慮響應(yīng)電價變化的廣義負荷向量PGL,price為:

式中:P?price為響應(yīng)后的電價型負荷向量。當(dāng)電價型負荷占總負荷比例不同時,可獲得相應(yīng)不同場景下的廣義負荷PGL,price。

2.4 考慮響應(yīng)新能源變化的廣義負荷模擬模型

目前需求側(cè)響應(yīng)技術(shù)正被廣泛應(yīng)用于促進新能源消納、克服新能源并網(wǎng)帶來的不利影響。因此,廣義負荷場景中有必要考慮需求側(cè)響應(yīng)和新能源互動的情況。

激勵型負荷是一種可直接控制的負荷,包括可轉(zhuǎn)移負荷Ptrans和可中斷負荷PIL。激勵型負荷能夠快速、可靠、精確地響應(yīng)系統(tǒng)信號,因此常被用來追蹤新能源出力,平抑電網(wǎng)凈負荷波動［21,27］。據(jù)此,本文以需求側(cè)響應(yīng)后廣義負荷波動最小為優(yōu)化目標(biāo),建立激勵型負荷響應(yīng)可再生能源出力變化的模型:

式中:PGL,dr(t)為第t 時段需求側(cè)響應(yīng)后的廣義負荷值,t=1,2,…,N；PGL,av為N 個時段內(nèi)響應(yīng)后廣義負荷的平均值；P?trans(t)和P?IL(t)分別為第t 時段響應(yīng)后的可轉(zhuǎn)移負荷和可中斷負荷,P?IL(t)由式（13）計算獲得；Pre(t)為t 時段的可再生能源發(fā)電功率。模型約束的最后一項表示,時段N 內(nèi)可轉(zhuǎn)移負荷轉(zhuǎn)移前后的負荷總量不變。

本文設(shè)定當(dāng)廣義負荷的爬坡功率大于給定值時,可中斷負荷被切除?？芍袛嘭摵傻挠嬎愎饺缡剑?3）所示。

其中

式中:DGL(t)為第t 時段廣義負荷爬坡功率；Dmax為爬坡功率限值；ΔD(t)為爬坡功率越限部分。

式（12）至式（14）構(gòu)成了考慮響應(yīng)新能源變化的廣義負荷模型。當(dāng)新能源滲透率、可轉(zhuǎn)移負荷占比、可中斷負荷占比設(shè)置為不同值時,可獲得不同場景下的廣義負荷PGL,dr。

2.5 考慮多重因素耦合影響的廣義負荷模擬模型

未來電力系統(tǒng)中,廣義負荷受多重因素的耦合影響,建立多重因素耦合影響下的廣義負荷數(shù)據(jù)模擬模型十分重要。為此,基于以上考慮單因素影響的廣義負荷模型,本文提出一種考慮電價、新能源和主動負荷耦合影響的廣義負荷數(shù)據(jù)生成模型。該模型將主動負荷分為2 個部分:一部分為電價型負荷,參與電價的需求響應(yīng)；另一部分為激勵型負荷,參與消納可再生能源的需求響應(yīng)。具體模型如下:

式中:PGL,com為考慮多重因素耦合影響的廣義負荷向量；P?price,P?IL,P?trans為模型變量,其中P?price為響應(yīng)后的電價型負荷向量,由式（7）至式（11）獲得,響應(yīng)后的可中斷負荷向量P?IL和響應(yīng)后的可轉(zhuǎn)移負荷向量P?trans由式（12）至式（14）獲得。

式（7）至式（15）構(gòu)成了考慮多重因素耦合影響的廣義負荷模型,其中電價型負荷響應(yīng)反映了主動負荷和電價的耦合關(guān)系,激勵型負荷響應(yīng)反映了主動負荷與新能源發(fā)電的耦合關(guān)系,因此,該模型能夠較真實地反映主動負荷與電價和新能源發(fā)電之間的耦合特性。當(dāng)新能源滲透率、電價型負荷占比、激勵型負荷占比不同時,可獲得相應(yīng)不同場景下的廣義負荷PGL,com。

2.6 廣義負荷模式提取

獲得廣義負荷數(shù)據(jù)后,需要通過聚類算法提取廣義負荷特征曲線。DBSCAN 聚類方法可以對任意形狀的數(shù)據(jù)集進行聚類,對數(shù)據(jù)集中的離群點不敏感,且無須預(yù)先設(shè)定聚類數(shù)［23-25］。因此,本文采用該方法提取廣義負荷特征曲線的典型模式。DBSCAN 聚類方法的具體步驟可參考文獻［25］。

3 廣義負荷特征曲線模式分析

本章通過仿真實驗,對不同場景下廣義負荷特征曲線的模式進行分析。

3.1 仿真場景設(shè)置

基于所建立的廣義負荷模擬模型,本文研究的廣義負荷場景如表1 所示。

表1 廣義負荷場景設(shè)置Table 1 Generalized load scenario settings

3.2 仿真基礎(chǔ)數(shù)據(jù)分析

本文采用的基礎(chǔ)數(shù)據(jù)包括電網(wǎng)基礎(chǔ)負荷Pbase、電價數(shù)據(jù)λ 和新能源發(fā)電功率數(shù)據(jù)Pre。

所采用的電網(wǎng)基礎(chǔ)負荷數(shù)據(jù)為ISO New England 2017 年1 月1 日 至7 月31 日 共212 d 的 負 荷數(shù)據(jù)。對基礎(chǔ)負荷曲線采用DBSCAN 方法進行聚類,取各類的聚類中心曲線作為負荷的特征曲線,如附錄A 圖A1（a）所示?？梢钥闯?基礎(chǔ)負荷的特征曲線具有3 類典型模式:第1 類典型模式呈“單峰型”,第2 類和第3 類典型模式呈“雙峰型”。

所采用的電價數(shù)據(jù)為ISO New England 2017年1 月1 日至7 月31 日的實時電價數(shù)據(jù)。電價數(shù)據(jù)特征曲線的典型模式如附錄A 圖A1（b）所示。

所采用的新能源發(fā)電數(shù)據(jù)為德國Tennet 公司2016 年1 月1 日至7 月31 日的風(fēng) 電、光 伏數(shù)據(jù)。采用DBSCAN 聚類方法提取風(fēng)電、光伏的特征曲線,其典型模式結(jié)果如附錄A 圖A1（c）和圖A1（d）所示。由圖A1（c）可知,不同風(fēng)電典型模式之間區(qū)別較大,如第1 類風(fēng)電典型模式在一日中保持較高的出力水平,而第3 類風(fēng)電典型模式在晚上出力水平較高,在白天出力水平較低。由圖A1（d）可知,各類光伏典型模式出力高峰期均在時段12～15 區(qū)域內(nèi)。

由圖A1 也可以看出,DBSCAN 聚類方法能夠較好地提取出負荷、電價、風(fēng)電、光伏的特征曲線,各類特征曲線之間形態(tài)差異明顯。

3.3 多場景下的廣義負荷特征曲線模式分析

3.3.1 不同規(guī)模電動汽車充電的廣義負荷場景

本文根據(jù)文獻［28］對ISO New England 地區(qū)的電動汽車數(shù)量預(yù)測結(jié)果,分別研究10 萬、50 萬、100 萬、150 萬、300 萬輛電動汽車充電場景下的廣義負荷特征曲線。每一種規(guī)模下的電動汽車參數(shù)均設(shè)置如下:電動汽車類型包括電動私家車、電動出租車和電動公交車,這3 類電動汽車的比例為5∶3∶2；這3 類電動汽車的充電額定功率、起始荷電狀態(tài)、電池容量、出發(fā)和返回時間概率分布、行駛里程概率分布等均采用文獻［2］中的參數(shù)。基于式（1）至式（5）產(chǎn)生不同規(guī)模的電動汽車充電負荷數(shù)據(jù),進而得到相應(yīng)不同場景下的廣義負荷數(shù)據(jù)。

附錄A 圖A2 為100 萬輛電動汽車充電場景下的廣義負荷聚類結(jié)果。圖A2（a）和圖A2（c）中的紅色虛線為各類廣義負荷特征曲線,即典型負荷模式。由圖可知,該場景下的廣義負荷具有3 種典型模式。以圖A2（a）中的典型模式1 為例進行分析,該典型模式在時段3 附近具有較高的負荷峰值,原因是電動汽車傾向于利用夜間時間進行充電。而由圖A1（a）可知,基礎(chǔ)負荷在時段3 附近處于全天的負荷低谷期。這表明大規(guī)模電動汽車充電會改變原負荷的峰谷情況。對比圖A2（d）與圖A1（a）可發(fā)現(xiàn),電動汽車充電場景下的廣義負荷模式波動更強。

圖2 所示為10 萬、50 萬、150 萬、300 萬輛電動汽車充電場景下的廣義負荷典型模式。圖中括號內(nèi)的數(shù)字分別表示3 類廣義負荷模式的負荷曲線數(shù)目。

圖2（a）中的廣義負荷典型模式與圖A1（a）中的基礎(chǔ)負荷典型模式相似,這是因為10 萬輛電動汽車的充電負荷相對于基礎(chǔ)負荷而言仍較小,對負荷曲線模式影響不大。當(dāng)電動汽車規(guī)模為50 萬輛時,廣義負荷曲線形態(tài)發(fā)生明顯改變,如圖2（b）所示。

對比圖2（a）至圖2（d）可以發(fā)現(xiàn),隨著電動汽車規(guī)模增加,廣義負荷典型模式之間的形態(tài)愈接近,如圖2（d）中的3 類負荷典型模式十分相似。這表明當(dāng)電動汽車大規(guī)模接入時,電動汽車的充電功率負荷是影響廣義負荷曲線形態(tài)的主要因素。電動汽車充電場景下的廣義負荷特征,可用于指導(dǎo)考慮電動汽車的輸、配電網(wǎng)規(guī)劃［29］和電動汽車充電樁規(guī)劃。

圖2 不同規(guī)模電動汽車充電場景下的廣義負荷特征曲線Fig.2 Characteristic curves of generalized load in scenarios with different numbers of charging EVs

3.3.2 不同滲透率新能源接入的廣義負荷場景

由式（6）獲得考慮新能源接入的廣義負荷數(shù)據(jù)。圖3 所示為不同滲透率新能源接入場景下的廣義負荷特征曲線。

圖3 不同滲透率新能源接入場景下的廣義負荷特征曲線Fig.3 Characteristic curves of generalized load in scenarios with different penetration of renewable energy accessing levels

圖3（a）為滲透率為20%的風(fēng)電接入的場景,該場景下的廣義負荷特征曲線具有5 種典型模式,其中典型模式1、2、4、5 均呈“雙峰型”,典型模式3 為“單峰型”?？梢?風(fēng)電接入使負荷模式變得多樣化,這意味著增加了負荷的不確定性,給電力系統(tǒng)規(guī)劃和運行計劃的制定帶來一些困難。

圖3（b）為滲透率為20%的光伏發(fā)電接入的場景。該場景下廣義負荷特征曲線典型模式的主要特點是負荷曲線中間凹陷,即在中午時段負荷曲線有較大的谷值,這是因為光伏出力曲線呈典型的單峰狀且峰值出現(xiàn)在中午。此外可看到典型模式5 在中午出現(xiàn)了負值,此時電網(wǎng)用電全部由光伏發(fā)電提供,且光伏發(fā)電尚有剩余,可以外送。

同時考慮風(fēng)電和光伏接入且風(fēng)電和光伏發(fā)電滲透率均設(shè)置為10%時,廣義負荷典型模式如圖3（c）所示?？梢姰?dāng)風(fēng)電和光伏同時接入電網(wǎng)時,廣義負荷模式變得比兩者單獨接入時更加復(fù)雜。圖3（d）為風(fēng)電、光伏滲透率均為20%的場景,該場景下的廣義負荷典型模式主要體現(xiàn)了光伏接入時的特征,即在中午時段負荷曲線向下凹陷。

整體來看,圖3（a）至圖3（d）中的廣義負荷典型模式均為5 類,與圖A1（a）對比可知,新能源接入使廣義負荷曲線模式變得更多樣和更復(fù)雜。這將導(dǎo)致電力系統(tǒng)的規(guī)劃和運行方式也變得更復(fù)雜、多樣。這些廣義負荷特征,在進行含風(fēng)電、光伏的輸電網(wǎng)規(guī)劃、配電網(wǎng)規(guī)劃和電源規(guī)劃時需予以考慮。

3.3.3 響應(yīng)電價變化的廣義負荷場景

基于式（7）至式（11）,獲得不同電價型負荷占比場景下響應(yīng)電價變化的廣義負荷數(shù)據(jù)。其中,計算彈性系數(shù)時參數(shù)δ 的取值參考了文獻［11］的做法。

附錄A 圖A3 為電價型負荷占比為10%場景下廣義負荷特征曲線的典型模式?？梢钥闯?圖A3中的4 類廣義負荷特征曲線均比較平緩。

圖4 所示為電價型負荷占比分別為5%,15%,25%,35% 場景下的廣義負荷典型模式。對比圖A1（a）和圖4（a）至圖4（d）可知,與傳統(tǒng)負荷相比,考慮電價響應(yīng)的廣義負荷模式發(fā)生了較大變化。總的來說,電價響應(yīng)后的廣義負荷模式主要呈“單峰型”,這明顯區(qū)別于傳統(tǒng)負荷模式中常見的雙峰形狀。此外,對比圖4（a）至圖4（d）可知,隨著電價型負荷占比的增加,廣義負荷曲線模式的形狀更加平坦,負荷峰谷差更小。這是因為電價響應(yīng)可以使負荷從電價高峰期向電價低谷期轉(zhuǎn)移,而電價低谷期往往對應(yīng)著負荷的低谷期,從而實現(xiàn)了負荷的“削峰填谷”。當(dāng)進行考慮電價響應(yīng)影響的電網(wǎng)規(guī)劃［30］、變電站容量規(guī)劃時,應(yīng)將上述場景下的廣義負荷特征考慮在內(nèi)。

圖4 不同電價型負荷占比場景下的廣義負荷特征曲線Fig.4 Characteristic curves of generalized load in scenarios with different proportions of price-type load

3.3.4 響應(yīng)新能源變化的廣義負荷場景

由式（12）至式（14）獲得響應(yīng)新能源變化的廣義負荷。其中,激勵型負荷中可轉(zhuǎn)移負荷和可中斷負荷的比例設(shè)置為5∶1,新能源中風(fēng)電和光伏發(fā)電滲透率均設(shè)置為10%。

當(dāng)激勵型負荷占總負荷的10%時,響應(yīng)新能源變化后的廣義負荷特征曲線如附錄A 圖A4 所示。對比圖A4 和圖A1（a）中的典型負荷模式可發(fā)現(xiàn),圖A4 中各個負荷典型模式曲線更光滑,負荷峰谷差更小。這說明需求側(cè)響應(yīng)可以平抑可再生能源接入帶來的負荷波動,并實現(xiàn)一定程度的削峰填谷。

圖5 所示為不同激勵型負荷占比場景下廣義負荷特征曲線的典型模式。由圖5（a）可看到,當(dāng)激勵型負荷占比為5%時,廣義負荷具有5 種典型模式,且各負荷典型模式均呈“雙峰型”。當(dāng)激勵型負荷占比為15%時,如圖5（b）所示,廣義負荷的典型模式變?yōu)? 種,表明隨著激勵型負荷占比的提高,廣義負荷曲線模式變少。由圖5（b）至圖5（d）可看到,隨著激勵型負荷占比的提高,屬于第2 類典型模態(tài)的廣義負荷曲線變多。這表明,隨著激勵型負荷占比的提高,廣義負荷曲線可能會朝著某一形態(tài)演變。由圖5（d）可看到,當(dāng)激勵型負荷占比為35%時,廣義負荷在時段0～5 的曲線變得平直。這將使得電網(wǎng)的供需平衡變得十分方便。該場景下的廣義負荷特征可用于指導(dǎo)考慮需求側(cè)新能源消納的輸電網(wǎng)規(guī)劃［31］、配電網(wǎng)規(guī)劃和微網(wǎng)規(guī)劃。

圖5 不同激勵型負荷占比場景下的廣義負荷特征曲線Fig.5 Characteristic curves of generalized load in scenarios with different proportions of incentive-type load

3.3.5 同時響應(yīng)電價、新能源變化的廣義負荷場景

基于式（7）至式（15）,獲得同時響應(yīng)電價、新能源變化的廣義負荷場景下的廣義負荷數(shù)據(jù)。其中新能源數(shù)據(jù)中風(fēng)電、光伏滲透率各設(shè)為10%。

圖6（a）和（b）分別為電價型負荷和激勵型負荷占比均為5%和占比均為15%場景下廣義負荷特征曲線的典型模式。對比圖中負荷特征曲線的形態(tài)可以發(fā)現(xiàn),圖6（a）中負荷曲線波動起伏較大,而圖6（b）中負荷曲線均較為平滑,在時段0～5 和20～24 負荷曲線趨于平直。電價型負荷和激勵型負荷均屬于主動負荷。圖6（a）和圖6（b）表明主動負荷占比越高,廣義負荷曲線越平滑,越有利于電力的供需平衡。

圖6（c）為電價型負荷和激勵型負荷占比分別為10%和30%場景下廣義負荷特征曲線的典型模式,圖6（d）為電價型負荷和激勵型負荷占比分別為30%和10%場景下廣義負荷特征曲線的典型模式。對比圖6（c）和圖6（d）在時段20～24 負荷曲線的形態(tài)可以發(fā)現(xiàn),圖6（c）在該時段的負荷曲線更加平直,表明激勵型負荷占比更大時,主動負荷平抑負荷波動的能力更強。

為探究高比例主動負荷場景下廣義負荷的模式,將電價型負荷占比和激勵型負荷占比均設(shè)為30%。該場景下的廣義負荷聚類結(jié)果如附錄A 圖A5 所示。由圖A5 可知,該場景下廣義負荷共有4 類典型模式,這4 類典型模式的負荷曲線在午間有一個波谷,其余時段均趨近于直線?？梢?當(dāng)主動負荷占比很高時,通過需求側(cè)響應(yīng)可以使負荷曲線趨于平直。同時也發(fā)現(xiàn),當(dāng)光伏滲透率為10%時,即使主動負荷占比高達60%,光伏接入引起的午間負荷波谷仍難以被填平。這些負荷特征,在考慮需求側(cè)響應(yīng)的電源、輸電網(wǎng)、配電網(wǎng)、微網(wǎng)規(guī)劃［32］中應(yīng)予以考慮。

圖6 不同價格型負荷和激勵型負荷占比場景下的廣義負荷特征曲線Fig.6 Characteristic curves of generalized load in scenarios with different proportions of price- and incentive-type load

值得注意的是,本文主要提供廣義負荷數(shù)據(jù)的模擬模型,以及廣義負荷特征分析方法。具體應(yīng)用于電力規(guī)劃時,需要根據(jù)特定區(qū)域數(shù)據(jù)開展更具體的分析。

4 結(jié)語

本文分析了不同場景下的廣義負荷特征曲線模式。首先,為獲取廣義負荷數(shù)據(jù),研究了考慮電動汽車、電價響應(yīng)、新能源、需求側(cè)響應(yīng)的廣義負荷模擬生成模型,提出了綜合考慮各因素影響的廣義負荷模型。其次,采用DBSCAN 聚類方法,較好地提取了各場景下的廣義負荷典型模式。最后,對不同場景下廣義負荷典型模式的特點進行了分析,為新能源電力系統(tǒng)規(guī)劃運行提供了較全面的負荷場景信息。后續(xù)研究工作包括:①更深入地研究和完善廣義負荷與多重因素的耦合關(guān)系；②更全面地探索和分析包含綜合能源系統(tǒng)在內(nèi)的多場景下的廣義負荷曲線特征。

附錄見本刊網(wǎng)絡(luò)版（http：//www.aeps-info.com/aeps/ch/index.aspx），掃英文摘要后二維碼可以閱讀網(wǎng)絡(luò)全文。