智能電網(wǎng)中用電感知的數(shù)據(jù)分析需求響應(yīng)方案研究

李鑫，楊方，肖湘晨，王海元，黃紅橋

(1. 國網(wǎng)湖南省電力有限公司供電服務(wù)中心(計(jì)量中心)，長沙 410004；2. 智能電氣量測與應(yīng)用技術(shù)湖南省重點(diǎn)實(shí)驗(yàn)室，長沙 410004)

0 引 言

住宅、商業(yè)、工業(yè)和交通等不同類型的用電需求的快速增長，加大了電網(wǎng)的負(fù)擔(dān)[1]。其中住宅用電約占總電力消耗的38%，且預(yù)計(jì)將保持0.3%的年增長率。為滿足這一增長需求，電力企業(yè)需要建立新的基礎(chǔ)設(shè)施，或者采取手段削減高峰負(fù)荷需求，使當(dāng)前資源能夠滿足用戶負(fù)荷需求。為減少負(fù)荷需求，電力企業(yè)需要對連接負(fù)荷的需求響應(yīng)進(jìn)行管理，以降低電網(wǎng)總體負(fù)擔(dān)[2-3]。

目前，研究人員提出了一些對住宅用電的DR管理策略。如文獻(xiàn)[4]提出了用于智能建筑的DR管理方案，基于多代理少數(shù)者博弈以降低電網(wǎng)的高峰用電需求。但該方案不適用于未部署太陽能PV板的家庭。另外，智能化數(shù)據(jù)分析方法也用于進(jìn)行需求響應(yīng)管理，如文獻(xiàn)[5-6]分析從SHs采集的數(shù)據(jù)，并利用決策樹和支持向量機(jī)進(jìn)行竊電檢測。但該方案著眼于SH中的數(shù)據(jù)分析，且并未通過SHs的DR管理來降低高峰負(fù)荷。文獻(xiàn)[7]利用最小二乘支持向量回歸識別用電過量的SHs，并有針對性地進(jìn)行DR管理。但該方案未考慮用戶負(fù)荷需求的瞬時(shí)變化，且DR管理方案僅針對用電量異常的SHs。文獻(xiàn)[8]利用不同家庭的采集數(shù)據(jù)對住宅電器進(jìn)行DR管理，降低電網(wǎng)峰值負(fù)荷。根據(jù)從用戶調(diào)查中計(jì)算出的各種指標(biāo)來促發(fā)DR控制事件。但其假定每個(gè)家庭的負(fù)荷曲線是相同的，且對每個(gè)家庭中不同電器使用了相同的使用模式。

為此，提出了SHs的用電感知數(shù)據(jù)分析需求響應(yīng)(DADR)管理方案，通過數(shù)據(jù)分析降低電網(wǎng)高峰負(fù)荷。其主要工作和創(chuàng)新如下：(1)通過分析SHs的用電數(shù)據(jù)，設(shè)計(jì)了各種不同因子，例如電器調(diào)節(jié)系數(shù)，電器優(yōu)先級指標(biāo)，電器削負(fù)荷優(yōu)先級等；(2)分別提出用于用戶和電力企業(yè)的不同算法，由此制定SHs中的DR決策，降低SG的高峰負(fù)荷。此外，對SHs中的瞬時(shí)負(fù)荷變化進(jìn)行實(shí)時(shí)管理，以保持電網(wǎng)的負(fù)荷曲線。

1 本文方案概述

本章將詳細(xì)介紹智能家居(SHs)的DR管理方案，從而在每個(gè)時(shí)隙開始時(shí)，實(shí)時(shí)降低智能電網(wǎng)(SG)在高峰時(shí)段的負(fù)荷。文中方法使用了固定的計(jì)費(fèi)策略，以確保不會在電網(wǎng)中產(chǎn)生回升高峰[9-10]。為了將提出的方案應(yīng)用于現(xiàn)實(shí)中，需要將SHs的用電數(shù)據(jù)傳遞至電力企業(yè)。圖1給出了SHs和電力企業(yè)服務(wù)器之間的通信場景。通過實(shí)施輕量級加密安全機(jī)制來確保數(shù)據(jù)的安全性和隱私性，該安全機(jī)制不會影響到整體系統(tǒng)性能。如圖1所示，數(shù)據(jù)采集過程被分為三層。第1層中，SHs中的設(shè)備將其用電數(shù)據(jù)傳遞至各自家庭中的本地控制器。第2層利用接入點(diǎn)(APs)，將本地控制器的采集數(shù)據(jù)傳遞至第3層中的SG服務(wù)器。在數(shù)據(jù)傳遞至SG服務(wù)器后，立即執(zhí)行數(shù)據(jù)分析以做出DR決策，其后將DR決策轉(zhuǎn)回本地家庭控制器，以控制各自家庭中的設(shè)備。

圖1 SHs與SG的通信簡圖Fig.1 Communication diagram of SHs and SG

將完整的一天劃分為多個(gè)等間隔時(shí)隙，并在每個(gè)時(shí)隙內(nèi)進(jìn)行高峰負(fù)荷管理。設(shè)電網(wǎng)在第t個(gè)時(shí)隙開始時(shí)的發(fā)電容量為G(t)(單位kW)(考慮到裝機(jī)容量以及可再生能源發(fā)電)，SHs的總數(shù)量為n，第i個(gè)家庭在第t個(gè)時(shí)隙的用電需求為Hu(i,t)(單位kW)。若存在以下情況，則應(yīng)該對電網(wǎng)負(fù)荷進(jìn)行管理：

(1)

在這種情況下需要削減負(fù)荷需求，則總能量缺口為：

(2)

式中 Δt表示第t個(gè)時(shí)隙的持續(xù)時(shí)長。

為填補(bǔ)式(2)中的缺口，基于從SHs采集到的數(shù)據(jù)在SHs中進(jìn)行負(fù)荷需求削減。為此，提出的方案使用ZigBEE、WiFi和IEEE 802.15.4a/c/f技術(shù)，將各種電器的數(shù)據(jù)傳遞至本地控制器；并使用WiFi、WiMAX和長期演進(jìn)(LTE)技術(shù)將數(shù)據(jù)從本地控制器傳遞至電力企業(yè)服務(wù)器[11]。圖2給出了完整方案流程圖。

圖2 提出的方案的流程圖Fig.2 Flow chart of the proposed scheme

2 方案的重要環(huán)節(jié)

2.1 DR決策制定中使用的因子

本小節(jié)將解釋直接影響DR決策過程的各種因子的計(jì)算方式。這些因子主要取決于SHs采集數(shù)據(jù)，可通過分析每個(gè)時(shí)隙的數(shù)據(jù)來計(jì)算。

(1)電器利用系數(shù)(AUF)：AUF為某個(gè)電器的功率與家庭總耗電量的比率，表示為：

(3)

(2)電器運(yùn)行時(shí)長系數(shù)(ARF)：ARF表示特定電器在上一個(gè)時(shí)隙過程中處于運(yùn)行狀態(tài)(打開)的時(shí)長占比。舉例來說，設(shè)每時(shí)隙為15分鐘，電器“A”在一個(gè)時(shí)隙中開啟了12分鐘，則“A”的ARF為0.8。利用上一個(gè)時(shí)隙采集到的運(yùn)行狀態(tài)相關(guān)數(shù)據(jù)，計(jì)算出第i個(gè)SH中第j個(gè)電器的ARF：

(4)

(3)電器調(diào)節(jié)系數(shù)(AAF)：AAF表示是否可通過提出的方案對該電器進(jìn)行調(diào)節(jié)(即負(fù)荷削減)。AAF數(shù)值為0或1，取決于以下條件(本文方案僅在AAF=1的情況下進(jìn)行電器調(diào)節(jié))：

(5)

式中AAFj(i,t)為第i個(gè)SH的第j個(gè)設(shè)備的調(diào)節(jié)系數(shù)；τ為預(yù)定義閾值；Sj(i)表示第j個(gè)設(shè)備的當(dāng)前狀態(tài)，計(jì)算如下：

(6)

在計(jì)算AAF數(shù)值式還使用了兩個(gè)列表，D和E。列表中保存了不同類型電器的相關(guān)信息。列表E包含不受DADR方案控制的所有應(yīng)急設(shè)備，例如：燈具、風(fēng)扇和醫(yī)療設(shè)備等，因此此類電器的AAF均設(shè)為0。列表D包含洗衣機(jī)、電熨斗等各種電器和所有廚房電器(例如微波爐、電飯鍋和烤箱等)。

AAF的意義在于，設(shè)備在完成某部分的周期工作時(shí)間(由τ指定)的情況下不應(yīng)該進(jìn)行調(diào)節(jié)，否則將會影響到正在進(jìn)行的工作。此外，AAF確保了應(yīng)急電器不受DR管理的影響。

(4)電器優(yōu)先級指標(biāo)(API)：API是最重要的參數(shù)，通過分析從各種SHs所采集到的數(shù)據(jù)而計(jì)算[12-21]。API用于衡量某個(gè)電器相較于其他電器，在負(fù)荷削減中的優(yōu)先級。在優(yōu)先級計(jì)算中，還考慮到用戶舒適度(即該電器在負(fù)荷條件相似的其他家庭中的使用情況)。這是因?yàn)?，?fù)荷條件相似的家庭會對DR表現(xiàn)出相似的用電模式響應(yīng)。因此，可將其作為計(jì)算SH中電器優(yōu)先級的指標(biāo)，而不用考慮所有SHs。通過用戶檔案找到負(fù)荷條件相似的家庭并進(jìn)行聚類。為此，提出的方案中使用了k均值聚類技術(shù)。k均值聚類中涉及到以下步驟：

步驟1：將每個(gè)用戶隨機(jī)分配至任意一個(gè)用戶群集c(c= 1, 2,…,C)。

步驟2：計(jì)算每個(gè)群集的中心：

(7)

式中μc為第c個(gè)群集的中心；xi為第i個(gè)用戶的特征值；Cc為群集c中的用戶集合；Nc為Cc中的用戶數(shù)量。

步驟3：將每個(gè)用戶分配到群集中，以使其特征值與新中心(d(x,μ))之間的距離為最小值：

(8)

式中x和μ分別表示所有用戶和群集中心的特征向量；S為特征向量大小。

步驟4：重復(fù)步驟2和步驟3，直至群集中心不再發(fā)生顯著變化(即群集保持穩(wěn)定)。

基于Hu，使用上述步驟為每個(gè)時(shí)隙生成SHs群集，以考慮電器使用的動態(tài)特性。一旦群集穩(wěn)定，則計(jì)算出電器j的API(APIj(i,t))：

(9)

式中n為連接到SG的SHs總數(shù)量；m為群集Cd中的SHs數(shù)量；Cd表示在第i個(gè)SH的Hu方面表現(xiàn)出相同行為的用戶群集(使用式(7)計(jì)算)；θ為比例常數(shù)。θjk值表示第k個(gè)SH中電器j的當(dāng)前工作狀態(tài)，通過以下公式計(jì)算：

(10)

即第k個(gè)SH中，j為開啟狀態(tài)時(shí)θjk=1，否則θjk=0。式(8)中的分子表示群集Cd中，第j個(gè)電器為開啟狀態(tài)的SHs的總數(shù)量。m表示群集Cd中SHs總數(shù)量，n表示SHs總數(shù)量，由此計(jì)算出第i個(gè)SH中電器j的優(yōu)先級。該計(jì)算的基礎(chǔ)在于，相似SHs中某電器的使用頻率越高，則其優(yōu)先級也應(yīng)該越高。由此，電器的API數(shù)值越大，則該電器在其SH中的優(yōu)先級越高。

(5)電器削負(fù)荷優(yōu)先級(ACP)：使用ACP因子，增加SH中(在被電力企業(yè)關(guān)閉后)頻繁被用戶重新打開的電器的優(yōu)先級。因此，ACP數(shù)值越高，表示該電器的優(yōu)先級越高，不應(yīng)被削減負(fù)荷。該因子計(jì)算如下：

(11)

式中ACPj(i,t)為第i個(gè)SH中第j個(gè)電器在第t個(gè)時(shí)隙的ACP值;γ為比例常數(shù);pnj表示一天中第i個(gè)SH中的電器j被電力企業(yè)所關(guān)閉的次數(shù)。利用式(8)計(jì)算出APIj(i,t)的數(shù)值，從列表AP(使用算法1建立)中提取出pnj的數(shù)值。列表AP中包含被電力企業(yè)進(jìn)行過負(fù)荷削減的所有SHs的所遇電器的pn值。

(6)相對耗電指數(shù)(RCI)：RCI有助于識別耗電量較大的家庭。第t個(gè)時(shí)隙中，第i個(gè)SH的RCI值計(jì)算為：

(12)

上述公式將計(jì)算第i個(gè)SH相對于其所在群集Cd中耗電量最大的SH的相對能耗。RCI數(shù)值越高，表明第i個(gè)SH相較于其他RCI值較低的SHs的耗電量越大。

(7)用戶削負(fù)荷系數(shù)(CCF)：CCF是提出的DADR方法中，唯一需要用戶指定的因子。CCF表示電力企業(yè)在任何時(shí)間可削減負(fù)荷的最大期望限值。若將CCF值設(shè)為1%，則削減負(fù)荷不會超過總負(fù)荷的1%。用戶可增加或減少其CCF值，以控制其在DR管理過程中的參與度。

CCF還被用于計(jì)算用戶滿意度和舒適度，因?yàn)橛脩魧⒏鶕?jù)自身適用情況來設(shè)定CCF。若負(fù)荷削減低于或等于用戶指定的CCF值，則考慮用戶是滿意的。基于CCF，可通過負(fù)荷削減來節(jié)約第t個(gè)時(shí)隙中的能耗(Es(i,t))：

(13)

式中CCF(i,t)為第t個(gè)時(shí)隙的第i個(gè)SH中用戶指定CCF值。式(13)中，EC(i)表示通過實(shí)際負(fù)荷削減(通過式(14)確定)，第i個(gè)SH累積節(jié)約的電量。Es(i,t)的下界設(shè)為0，以避免任何負(fù)值。

(14)

式中Ej表示在Δt持續(xù)時(shí)間內(nèi)第j個(gè)電器的削減電量，計(jì)算為：

(15)

如式(14)所示，在一天開始時(shí)Ec(i)的值被設(shè)為0。其他時(shí)間，將關(guān)閉電器(j)所節(jié)約的電量加入到Ec(i)中。

2.2 制定DR決策

使用前文定義的因子，通過提出的兩個(gè)算法來制定DR決策。第一個(gè)算法(以用戶為中心的DADR算法)從用戶的角度出發(fā)，通過考慮用戶舒適度來降低高峰負(fù)荷。該算法中，負(fù)荷削減取決于用戶指定的CCF值，且不會超過該數(shù)值。因此，該算法所降低的高峰負(fù)荷有限，但能夠確保負(fù)荷削減不會影響到用戶舒適度。第二個(gè)算法(以電企為中心的DADR算法)從電網(wǎng)角度出發(fā)，確保削減更多的高峰負(fù)荷，但可能會降低用戶舒適度。為對此進(jìn)行補(bǔ)償，需要給予用戶額外的獎勵(lì)。電力企業(yè)可根據(jù)情況僅使用算法1，或同時(shí)使用算法1和算法2。使用提出的算法，通過削減SH的負(fù)荷需求來保持SG的負(fù)荷曲線平穩(wěn)。

首先，使用算法1降低SHs中的負(fù)荷。該算法的第一步是計(jì)算所有SHs中所有電器的API和ACP。其后，根據(jù)電器的ACP值，按升序存儲在列表中。列表的意義在于，電器在該列表中排名最前，該電器在其他SHs中使用最少，因此優(yōu)先級也最低。對于該電器(k)，計(jì)算AAF值，并對AAF≠0的電器進(jìn)行負(fù)荷削減：計(jì)算出相應(yīng)SH的Es(i,t)值(基于CCF)，若Ek

算法1： 以用戶為中心CC-DADR算法

1.for (i= 1;i≤s;i++) do//s為SHs的總數(shù)量

2.?j，計(jì)算API //j為SH中的電器

3.?j，計(jì)算API

4.end for

5.按升序?qū)CPj(i,t) 進(jìn)行排序并保存在列表中

7.for (k= 1;k≤n;k++) do//n為中的總電器數(shù)量

8.提取相關(guān)家庭(h)

9.使用式(4)計(jì)算第k個(gè)設(shè)備的AAF

10.if (AAFk(h,t)≠0) then

11.得到家庭h的CCF

12.使用式(12)計(jì)算Es(h,t)

13.if (Ek

14.關(guān)閉電器k

15.在列表AP中保存電器k；pnk=pnk+1

16.將該決策傳遞至h的本地控制器

17.使用式(14)更新Ec(i)

19.end if

20.end if

21.end for

22.end while

由此，算法1根據(jù)用戶指定的CCF值，減少了家庭中的負(fù)荷。然而，在遵守每個(gè)SH的CCF的情況下，電網(wǎng)負(fù)荷可能依然超過其發(fā)電容量。這種情況下，需要使用算法2以使電網(wǎng)負(fù)荷曲線保持平穩(wěn)。

算法2 ：以企業(yè)為中心 UC-DADR算法

1.for (i= 1;i≤s;i++) do//s為SHs的總數(shù)量

2.使用式(11)計(jì)算RCI

3.for (k= 1;k≤m;k++) do //m為1個(gè)SH中的總電器數(shù)

4.使用式(3)計(jì)算AUF

5.計(jì)算Appk(i,t)=RCI(i,t)×AUFk(i,t)

6.將Appk(i,t)，k和i的數(shù)值保存在列表中。

7.end for

8.end for

9.根據(jù)Appk(i,t)數(shù)值，以降序?qū)α斜磉M(jìn)行排序

10.for (q= 1;q≤n;q++) do //n為列表中的總電器數(shù)

13.關(guān)閉電器q

14.將該決策傳遞至h的本地控制器

16.使用式(15)更新Ec(i)

17.end while

18.end for

瞬時(shí)負(fù)荷變化管理：由于負(fù)荷具有本質(zhì)上的動態(tài)性，且用戶可在任何時(shí)候解除SH中的負(fù)荷控制，因此在任何DR管理方案中，對負(fù)荷需求的瞬時(shí)變化進(jìn)行管理是至關(guān)重要的。為此，提出的方案采用了算法3。

算法3：

1.當(dāng)1個(gè)新設(shè)備d(能量要求Ed)SHs中瞬時(shí)負(fù)荷變化的管理被打開時(shí)

3.打開d

4.若d在列表AP中，則將其從表中移除

5.else if(Sig=‘urgent’) then//Sig為優(yōu)先級信號

6.for (?/j, 其中Sj(i)=1) do//j表示電器，i表示SH

7.得到APIj(i,t) ，并將其在列表Temp中按升序排序

8. end for

9.?/j∈Temp

10.從Temp中關(guān)閉電器，直至∑Ej≥Ed

11.將這些電器保存在列表AP中；pnj= 1

12.打開新設(shè)備d

13.else

14.將d保存在列表AP中；pnd=pnd+ 1

15.end if

16.當(dāng)一個(gè)當(dāng)前設(shè)備o(能耗Eo)被關(guān)閉時(shí)

17.if (Sig≠ ‘urgen’) then

19.else

20.break；

21.end if

3 實(shí)驗(yàn)與結(jié)果

文中在仿真環(huán)境中，測試了所提方案在降低電網(wǎng)高峰負(fù)荷需求方面的有效性。實(shí)驗(yàn)設(shè)置如下，每時(shí)隙持續(xù)時(shí)長為15 min。選用文獻(xiàn)[22]的SHs數(shù)據(jù)集，提供了家庭中各種用途的每小時(shí)能耗值，包括照明、供暖、降溫、熱水器、基礎(chǔ)設(shè)施及各種雜項(xiàng)。將這些數(shù)值調(diào)整為15 min間隔，并根據(jù)EIA提供的用電模式[23]分配至相應(yīng)電器。表1給出了實(shí)驗(yàn)中使用的其他參數(shù)。仿真中，為每戶家庭隨機(jī)指定CCF值。

表1 仿真參數(shù)的設(shè)置Tab.1 Setting of simulation parameters

3.1 SG的負(fù)荷降低

提出的DADR方案的主要目的是降低高峰負(fù)荷。在方案評價(jià)中，選取了真實(shí)電力場景進(jìn)行案例分析。電網(wǎng)發(fā)電數(shù)據(jù)[24]和負(fù)荷數(shù)據(jù)的數(shù)值單位為kW·h，將發(fā)電數(shù)據(jù)按比例縮小125倍；負(fù)荷區(qū)域的用電量縮小2.25倍?？紤]負(fù)荷區(qū)域包含200個(gè)SHs。圖3給出了發(fā)電數(shù)據(jù)和用電數(shù)據(jù)的最終數(shù)值。從中可以觀察到，高峰負(fù)荷需求出現(xiàn)在午間時(shí)段(12點(diǎn)～16點(diǎn))，其后負(fù)荷需求開始下降。將負(fù)荷需求曲線建模為始終與現(xiàn)實(shí)世界的負(fù)荷需求相一致。

圖3 電網(wǎng)的負(fù)荷需求曲線Fig.3 Load demand curve of power grid

在用電需求超過發(fā)電容量的時(shí)隙中應(yīng)用提出的方案。首先對SHs進(jìn)行聚類，以計(jì)算所有SHs的每個(gè)電器的API值。為此，對于每個(gè)時(shí)隙，將Hu方面表現(xiàn)出相似特征的家庭聚類在一起，根據(jù)案例分析中SHs的數(shù)量，將群集數(shù)量設(shè)為4(即C=4)?；谌杭畔ⅲ謩e使用式(8)和式(10)計(jì)算出所有電器的API和ACP值。

為削減高峰負(fù)荷需求，電力企業(yè)首先采用CC-DADR算法；若未成功削減高峰負(fù)荷，則電企再利用UC-DADR算法。圖3給出了單獨(dú)應(yīng)用CC-DADR算法，以及先后應(yīng)用兩種算法后的電網(wǎng)負(fù)荷需求情況。圖3還給出了僅使用UC-DADR算法進(jìn)行DR管理的樣例。從中可觀察到，僅使用UC-DADR算法，與使用兩種算法，實(shí)現(xiàn)了較為相似的負(fù)荷削減。但僅使用UC-DADR算法，會對用戶舒適度造成較大影響。另外，單獨(dú)應(yīng)用CC-DADR算法，不能在所有時(shí)隙中成功削減高峰負(fù)荷。舉例來說，在14點(diǎn)時(shí)原始負(fù)荷需求為1 432 kW，在應(yīng)用CC-DADR算法后降至1 324.5 kW，負(fù)荷需求依然大于發(fā)電容量。這種情況下，電企應(yīng)采用UC-DADR算法，以使電網(wǎng)負(fù)荷曲線更加平穩(wěn)。應(yīng)用兩種算法后，負(fù)荷需求在14點(diǎn)時(shí)降至1 264 kW(見圖3)。由此證明，提出的方案使用CC-DADR和UC-DADR算法，能夠有效降低電網(wǎng)高峰負(fù)荷，使其滿足發(fā)電容量限制。

3.2 SHs支出節(jié)約

電網(wǎng)的高峰負(fù)荷削減也降低了SHs中的總能耗，由此減少了用戶的電費(fèi)支出：

(16)

由表2可知，僅使用CC-DADR算法的電費(fèi)支出高于其他案例。這是因?yàn)樵贑C-DADR算法中，SH中的負(fù)荷削減無法超過用戶指定的CCF值。但某些情況下(SH5)，僅使用CC-DADR算法，與僅使用UC-DADR算法或兩種算法的電費(fèi)支出相同。這是因?yàn)檫@種情況下，UC-DADR算法并未削減SH5的電器負(fù)荷。從表4還可發(fā)現(xiàn)，僅使用UC-DADR算法，與依次使用兩種算法之間的電費(fèi)支出差異并不大。

表2 使用DADR方案的電力成本(/元)Tab.2 Power cost of using DADR scheme (/yuan)

3.3 用戶滿意度評價(jià)

若用戶可通過參與DADR方案降低電費(fèi)支出，且舒適度未受過大影響，則考慮用戶是滿意的。提出的方案中使用兩個(gè)度量，即電費(fèi)節(jié)約和舒適度，來評價(jià)用戶滿意度。

(1)用戶電費(fèi)節(jié)約：用戶參與文中方案，可從兩方面節(jié)約支出。一方面，使用提出的方案在SHs中減少的能耗會直接降低電費(fèi)支出，在每天結(jié)束時(shí)計(jì)算該數(shù)值。另一方面，用戶會得到獎勵(lì)，從而間接降低電費(fèi)支出。在每月結(jié)束時(shí)計(jì)算出間接節(jié)約，可用于抵扣電費(fèi)；

(2)用戶舒適度：提出的DADR方案通過兩種方式確保用戶舒適度。首先，通過觀察相似負(fù)荷條件下的SHs中的電器使用趨勢進(jìn)行負(fù)荷削減。其次，提出的方案試圖將一個(gè)SH中的負(fù)荷削減保持在CCF值之下(用戶根據(jù)舒適度直接制定CCF值)。發(fā)現(xiàn)：使用CC-DADR算法時(shí)，負(fù)荷調(diào)整系數(shù)(LAF)值始終低于CCF值。但若電企使用了兩種算法，少數(shù)情況下可能會發(fā)生LAF>CCF的情況。這種情況下，向用戶發(fā)放更高的獎勵(lì)，以補(bǔ)償舒適度損失。在僅使用UC-DADR時(shí)，LAF常會超過平均CCF值。這表明UC-DADR算法忽視了用戶設(shè)定的舒適度水平，因此不應(yīng)該僅使用該算法削減高峰負(fù)荷。提出的方案以最優(yōu)方式考慮了用戶舒適性，盡量滿足用戶舒適和電企約束。

3.4 與當(dāng)前其他方案的比較

文中從電網(wǎng)總負(fù)荷削減和SHs成本節(jié)約方面，對提出的方案與當(dāng)前其他方案進(jìn)行了比較。圖4展示了各方案的電網(wǎng)平均負(fù)荷降低和SH平均成本節(jié)約。從中可以觀察到，使用提出的方案實(shí)現(xiàn)了最大的負(fù)荷降低，且成本節(jié)約與文獻(xiàn)[8]大致相當(dāng)；文獻(xiàn)[7]的方案在兩方面的表現(xiàn)最差。此外，提出的方案中還可以通過犧牲用戶舒適度來進(jìn)一步提高成本節(jié)約?？赏ㄟ^尋找用戶和電企均可接收的舒適度與成本之間的最優(yōu)權(quán)衡點(diǎn)來實(shí)現(xiàn)這一點(diǎn)。此外，如表3所示，與其他方案相比，提出的方案在更多數(shù)量的SHs上進(jìn)行了測試，且SHs中包含的設(shè)備數(shù)量更多。從中可知，提出的方案在大規(guī)模實(shí)施中的可靠性更高。

圖4 平均負(fù)荷削減和用戶電費(fèi)節(jié)約方面的比較Fig.4 Comparison between average load reduction and user electricity cost saving

表3 SHs數(shù)量和設(shè)備數(shù)量方面的比較Tab.3 Comparison of SHs quantity and equipment quantity

4 結(jié)束語

文章提出了數(shù)據(jù)分析需求響應(yīng)(DADR)方案，以解決SG高峰負(fù)荷削減問題?；趶腟Hs中采集的數(shù)據(jù)，提出了各種因子的計(jì)算，以制定需求響應(yīng)決策。提出的方案可視為2級控制方案，首先以不影響用戶舒適度的方式進(jìn)行負(fù)荷削減(僅使用CC-DADR算法)。若負(fù)荷需求依然超量，則使用第二級控制以進(jìn)一步降低高峰負(fù)荷(使用UC-DADR算法)。這可能會降低用戶舒適度，需要通過獎勵(lì)方案對用戶進(jìn)行補(bǔ)償。此外，提出的方案還能夠處理SH的能耗模式中的瞬時(shí)負(fù)荷變化。結(jié)果表明提出的方案具有兩方面優(yōu)勢：(1)有效管理SG中的高峰負(fù)荷需求；(2)降低用戶電費(fèi)支出。

未來，將探索在家庭數(shù)、電器數(shù)量和采樣速率大幅提升的情況下的容錯(cuò)問題和大數(shù)據(jù)管理問題。此外，可加入更多SHs相關(guān)信息來測試提出的方案的效率。