基于時間內(nèi)在相關(guān)性的溫控負(fù)荷提取與特性分析

王敏，伍超，楊心剛，周健

（1.河海大學(xué)能源與電氣學(xué)院，江蘇省 南京市 211100；2.國網(wǎng)上海市電力公司電力科學(xué)研究院，上海市 虹口區(qū) 200437）

0 引言

受經(jīng)濟(jì)社會發(fā)展水平提高、極端天氣日益增多等眾多因素的影響，電網(wǎng)中溫控負(fù)荷尤其是空調(diào)負(fù)荷規(guī)模不斷增加，導(dǎo)致用電需求迅速增長，并將在未來進(jìn)一步增加[1]。同時，溫控負(fù)荷在用電高峰時段的占比很大，會進(jìn)一步拉大負(fù)荷峰谷差[2]。然而激增的溫控負(fù)荷在一年中往往只集中于氣溫炎熱或寒冷的部分時段，為了滿足這些短時間集中存在的空調(diào)負(fù)荷，需要電網(wǎng)投資建設(shè)大量基礎(chǔ)設(shè)施以提升系統(tǒng)備用，而這些設(shè)施在其他時間里的利用率卻十分有限，會造成社會資源的極大浪費(fèi)，降低系統(tǒng)運(yùn)行的經(jīng)濟(jì)性。此外，溫控負(fù)荷的激增還嚴(yán)重威脅電網(wǎng)設(shè)備的安全運(yùn)行，常導(dǎo)致已經(jīng)處于高溫惡劣運(yùn)行環(huán)境的線路及變壓器滿載、過載，失去對事故的抵御能力。

溫控負(fù)荷之所以被廣泛關(guān)注，不僅因?yàn)槠涫秦?fù)荷增長的關(guān)鍵成分，更因?yàn)槠浔旧砭褪莾?yōu)質(zhì)的需求響應(yīng)資源[3]。其中，第三產(chǎn)業(yè)和居民等非工業(yè)空調(diào)負(fù)荷對外界環(huán)境溫度最為敏感，是氣溫升高時負(fù)荷激增的主要來源，并且該部分空調(diào)負(fù)荷比重大，其錯、避峰潛力更突出。溫控負(fù)荷具備儲存能量以及快速響應(yīng)電網(wǎng)側(cè)調(diào)度的能力，通過合理的控制手段，不僅可以有效緩解電力供需矛盾，促進(jìn)可再生能源消納；而且與發(fā)電裝機(jī)容量的投資相比，需求響應(yīng)的成本較低，合理的負(fù)荷控制對于用戶的用電需求和用電體驗(yàn)影響很小[4]，且集中控制后的溫控負(fù)荷數(shù)量可觀，調(diào)度方式更加靈活，對于電力公司來說是重要的需求響應(yīng)資源，被廣泛應(yīng)用于輔助削峰填谷[5]、新能源消納和低頻減載等領(lǐng)域。如文獻(xiàn)[3]提出了面向新能源消納的多類型溫控負(fù)荷聯(lián)合調(diào)控策略，通過優(yōu)化溫控負(fù)荷參與調(diào)控的時段，避免大量溫控負(fù)荷在消納新能源電量后的閑置現(xiàn)象；文獻(xiàn)[6]提出了一種緊急切負(fù)荷的溫控負(fù)荷控制策略，充分發(fā)揮溫控負(fù)荷群作為負(fù)荷備用資源參與傳統(tǒng)緊急切負(fù)荷控制體系的潛能以減少直接切負(fù)荷對用戶的影響；文獻(xiàn)[7]構(gòu)建了一種由電熱水器負(fù)荷組成的集群溫控負(fù)荷模型，提出了新型序列化控制策略，以電熱水器為調(diào)頻減載資源，為電力系統(tǒng)頻率恢復(fù)控制提供輔助服務(wù)。

隨著需求響應(yīng)機(jī)制的不斷完善和電力市場化改革的逐步深入，溫控負(fù)荷參與需求響應(yīng)的潛力將進(jìn)一步被挖掘。目前，參與需求響應(yīng)的機(jī)制主要分為價(jià)格引導(dǎo)型和直接控制型2類，用戶可通過負(fù)荷集成商或直接參與電力交易市場，憑借負(fù)荷曲線的柔性調(diào)整能力，獲取優(yōu)惠電價(jià)，也可以通過提供調(diào)峰、調(diào)頻服務(wù)獲取收益；還可以參與可中斷負(fù)荷項(xiàng)目和直接負(fù)荷控制項(xiàng)目參與需求響應(yīng)獲得經(jīng)濟(jì)激勵。文獻(xiàn)[8]提出采用隨機(jī)優(yōu)化和魯棒優(yōu)化相結(jié)合的方法，評估了考慮溫控負(fù)荷的價(jià)格引導(dǎo)型需求響應(yīng)管理策略；文獻(xiàn)[9]介紹一種基于直接負(fù)荷控制的溫控負(fù)荷狀態(tài)排序模型，提升系統(tǒng)備用的連續(xù)調(diào)節(jié)能力；文獻(xiàn)[2]提出了基于直接負(fù)荷控制的空調(diào)負(fù)荷雙層優(yōu)化調(diào)度和控制模型，通過優(yōu)化調(diào)度計(jì)劃及負(fù)荷的控制策略，使供需達(dá)到平衡并實(shí)現(xiàn)收益最大化。需要指出的是，2種機(jī)制之間相互制約，電網(wǎng)實(shí)時調(diào)度中用戶用電的自主性與負(fù)荷控制的準(zhǔn)確性無法同時獲得保障。為了平衡用戶用電與電網(wǎng)調(diào)度的需求，有必要挖掘溫控負(fù)荷的運(yùn)行規(guī)律，以便電網(wǎng)根據(jù)負(fù)荷波動情況提前調(diào)整價(jià)格激勵或運(yùn)行方案。

電網(wǎng)收集的電力負(fù)荷信息往往較簡單，但實(shí)際很復(fù)雜，且受多種因素的影響，其時間序列往往由多個不同的時間尺度分量疊加構(gòu)成，是一種非平穩(wěn)時間序列。由于不同類型負(fù)荷的特性差異，分析負(fù)荷不同尺度下的變化特性將有助于挖掘其應(yīng)用潛力。針對非線性非平穩(wěn)信號問題，經(jīng)驗(yàn)?zāi)B(tài)分解[10]（empirical mode decomposition，EMD）具有自適應(yīng)強(qiáng)且適合處理非平穩(wěn)信號的特點(diǎn)，在氣象、經(jīng)濟(jì)、醫(yī)學(xué)領(lǐng)域的信號處理方面均具有廣泛的應(yīng)用基礎(chǔ)。但研究表明，數(shù)據(jù)時間序列中的間歇性信號會導(dǎo)致EMD存在模態(tài)混疊的缺陷[10]。為了消除這一缺陷，多種基于EMD的改進(jìn)方法被提出，如文獻(xiàn)[11]提出了集合經(jīng)驗(yàn)?zāi)B(tài)分解（ensemble empirical mode decomposition，EEMD）；文獻(xiàn)[12]則提出了基于自適應(yīng)噪聲的完整集合經(jīng)驗(yàn) 模 態(tài) 分 解 （ complete ensemble empirical mode decomposition with adaptive noise，CEEMDAN）。

2種方法均利用了EMD的白噪音統(tǒng)計(jì)特性，通過在原始信號中添加高斯白噪聲，在一定程度上克服了模態(tài)混疊的問題，相對傳統(tǒng)方法更具優(yōu)越性。然而在解決問題的同時，EEMD產(chǎn)生了新的缺陷，重構(gòu)信號包含殘余噪聲[12]。CEEMDAN則通過在每次分解過程添加自適應(yīng)的白噪聲序列，既能有效地解決模態(tài)混疊問題，同時克服了EEMD重構(gòu)誤差較高的弊端。在此之前，我們針對電力數(shù)據(jù)的多尺度特性做了相關(guān)研究，如文獻(xiàn)[13]基于CEEMDAN的算法和時間內(nèi)在相關(guān)性分析方法（ time-dependent intrinsic correlation，TDIC）[14]，建立了考慮時間尺度的動態(tài)相關(guān)性分析模型，探究了風(fēng)、光電站輸出功率在不同時間尺度下的相關(guān)性變化。但文獻(xiàn)[15]認(rèn)為基于CEEMDAN的分解過程無法消除添加輔助噪音的影響，在分解結(jié)果的模態(tài)中仍含有殘留噪音，這會降低分析結(jié)果的參考價(jià)值。

當(dāng)前研究中針對負(fù)荷與其所受影響因素的關(guān)聯(lián)性通?；诤唵蔚撵o態(tài)相關(guān)性分析方法，對負(fù)荷與環(huán)境溫度在多時間尺度上的動態(tài)關(guān)聯(lián)性進(jìn)行評估，仍是亟待解決的問題，而考慮時間序列非平穩(wěn)性的多尺度框架下的相關(guān)分析是解決這一問題的可行方法。本文在前述工作的基礎(chǔ)上，進(jìn)一步提出基于改進(jìn)的CEEMDAN-TDIC溫控負(fù)荷特性分析方法，從而探究環(huán)境溫度變化與負(fù)荷波動之間的動態(tài)關(guān)聯(lián)性，從負(fù)荷曲線中提取出溫控負(fù)荷波動分量，并估計(jì)總負(fù)荷中的溫控負(fù)荷占比，進(jìn)而分辨負(fù)荷的多類型構(gòu)成與溫控負(fù)荷的演變規(guī)律。

1 基于ICEEMDAN-TDIC的數(shù)據(jù)動態(tài)相關(guān)性分析

1.1 改進(jìn)的帶有自適應(yīng)白噪聲的完全集合經(jīng)驗(yàn)?zāi)B(tài)分解

通過對EMD及其衍生分解方法的分析，本文在參考文獻(xiàn)[13]研究的基礎(chǔ)上，對模型做出進(jìn)一步優(yōu)化，選擇ICEEMDAN作為數(shù)據(jù)分解方法，以避免雜散模式和降低模式中包含的噪聲量，賦予所得結(jié)果更多的物理意義。

對于原始時間序列x[n]，設(shè)Ek(·)為EMD分解得到第k階模態(tài)的算子， ω(i)為零均值單位方差白噪聲。M(·)是產(chǎn)生信號局部均值的算子， (· )指在整個分解過程中求平均。限于文章篇幅，文中僅對算法做簡單介紹，關(guān)于ICEEMDAN的算法描述以及參數(shù)設(shè)置參見文獻(xiàn)[11]，圖1為ICEEMDAN分解算法的流程圖。

1.2 基于時間的內(nèi)在相關(guān)性分析

現(xiàn)實(shí)的數(shù)據(jù)信號中往往由多個時間尺度分量組合構(gòu)成，直接分析其相關(guān)性可能會導(dǎo)致非平穩(wěn)的結(jié)果[14]。僅通過全局相關(guān)性分析可能扭曲真實(shí)的互相關(guān)信息，其結(jié)果缺乏實(shí)際意義[16]；若通過滑動窗口或尺度相關(guān)方法來估計(jì)變量之間的關(guān)聯(lián)，又難以確定滑動窗口的大小，會遺漏局部相關(guān)信息。Chen[14]等人提出的TDIC分析方法可以自適應(yīng)地確定窗口大小，從而分析、捕獲和跟蹤不同時間和時間區(qū)域的非線性時間序列對之間的復(fù)雜關(guān)系。

基于ICEEMDAN的分解結(jié)果，通過TDIC可以確定2個時間序列之間的尺度相關(guān)關(guān)系。該方法主要步驟如下。

1)基于ICEEMDAN將2個原始信號的時間序列x1(t)、x2(t)分解成多個固有模態(tài)函數(shù)（intrinsic mode function，IMF）。

式中：n為任意正實(shí)數(shù)，通常取為1。

滑動窗口tw是完全自適應(yīng)的，取決于Td的大小

式中：Td是2組信號所對應(yīng)的每對IMF之間的最大瞬時周期，同時在局部相關(guān)計(jì)算中，Td是最小滑動窗口大小，以確保在計(jì)算局部相關(guān)系數(shù)時至少包含一個周期。

3)對于任意時刻tk，2組信號的第k階模態(tài)的TDIC相關(guān)性定義為

式中：C(·)表示2個信號的一般相關(guān)系數(shù)。

通過上述步驟繪制的TDIC圖，可以清楚地顯示2個時間序列在不同時間、不同時間間隔的相關(guān)性變化。TDIC圖的橫軸表示時間軸，縱軸表示滑動窗口的大小，當(dāng)滑動窗口邊界超過時域的左端點(diǎn)或右端點(diǎn)時，不再計(jì)算TDIC相關(guān)性。TDIC圖由三角形構(gòu)成，三角形頂點(diǎn)所對應(yīng)的滑動窗口大小為整個時域，其值是整個時間序列的一般相關(guān)系數(shù)。

1.3 基于ICEEMDAN-TDIC的溫度敏感性負(fù)荷提取

隨著近年來經(jīng)濟(jì)的發(fā)展，全球氣溫變化日趨復(fù)雜、電網(wǎng)中溫度敏感性負(fù)荷如空調(diào)負(fù)荷的比例日益加重，導(dǎo)致城市負(fù)荷隨溫度變化的特征愈加顯著。一方面，電網(wǎng)運(yùn)行過程中負(fù)荷功率數(shù)據(jù)由于受到多種因素的影響，時間序列的構(gòu)成較為復(fù)雜；另一方面在電力系統(tǒng)規(guī)劃、調(diào)度運(yùn)行和市場營銷等實(shí)際決策中，更關(guān)心氣溫等外因影響下負(fù)荷特性的統(tǒng)計(jì)指標(biāo)間存在何種關(guān)聯(lián)特征。因此，研究溫度與負(fù)荷變化的耦合關(guān)系，搭建考慮溫度因素影響的溫度敏感性負(fù)荷提取框架，將為電力系統(tǒng)調(diào)度與優(yōu)化電能配置提供可靠的數(shù)據(jù)基礎(chǔ)。

考慮到分析數(shù)據(jù)的多尺度特性與時變特性，基于ICEEMDAN-TDIC的溫度敏感性負(fù)荷提取框架如圖2所示。

實(shí)際上，TDIC圖是由底邊長為a， 高為b的三角形相關(guān)系數(shù)矩陣Qa,b構(gòu)成，圖中每個點(diǎn)均代表在時間點(diǎn)u∈(0,a)，以l∈(0,b)為時間窗計(jì)算所得相關(guān)系數(shù)。由于TDIC圖的數(shù)據(jù)點(diǎn)密集，且相關(guān)性存在動態(tài)交替的演變過程，缺少定量評價(jià)指標(biāo)來判斷該組IMF相較于其他組是否具有更強(qiáng)的耦合性。在TDIC圖中任意點(diǎn)的相關(guān)性統(tǒng)計(jì)意義均顯著的前提下，本文根據(jù)時間窗越小，相關(guān)系數(shù)描述耦合關(guān)系越顯著的原則，引入定量評估參數(shù)自適應(yīng)權(quán)重 ωu,l，作為IMF之間數(shù)據(jù)耦合程度的判斷依據(jù)

式中：ωu,l代表點(diǎn)u,l所對應(yīng)權(quán)重值；Ju和Gu分別對應(yīng)矩陣Qa,b的第u列中第一個和最后一個有意義的點(diǎn)。

然后構(gòu)建TDIC加權(quán)相關(guān)性指標(biāo)WLoadandTem，用于確定2分量之間的動態(tài)相關(guān)性，本文假設(shè)相關(guān)性的強(qiáng)弱僅與相關(guān)系數(shù)數(shù)值大小相關(guān)，而與相關(guān)性的性質(zhì)無關(guān)，公式(6)忽略了相關(guān)性性質(zhì)對于結(jié)果的影響

式中：SQ為TDIC三角形矩陣圖形面積大小。

根據(jù)該公式(6)可以認(rèn)為，當(dāng)計(jì)算所得加權(quán)相關(guān)性越大時，IMF之間的耦合性越強(qiáng)，反之則越弱。

2 數(shù)據(jù)來源

本文所采用的數(shù)據(jù)均來源于PJM公司，選取了Pepco公司的服務(wù)地區(qū)2019年1月1日—2019年12月31日的逐時氣溫和逐時負(fù)荷數(shù)據(jù)作為算例分析的對象，數(shù)據(jù)采集周期為1 h，共8760個數(shù)據(jù)點(diǎn)。繪制數(shù)據(jù)時間序列如圖3所示。其中，橫軸表示采集時間，縱軸表示溫度或負(fù)荷功率大小。

3 算例分析

3.1 數(shù)據(jù)分解與分析

3.1.1 數(shù)據(jù)的多尺度分解

首先采用ICEEMDAN對年度氣溫和負(fù)荷數(shù)據(jù)進(jìn)行分解，分解參數(shù)根據(jù)文獻(xiàn)[13]設(shè)置。全年氣溫和負(fù)荷數(shù)據(jù)均分解為12個分量，包括11個IMF序列和1個趨勢序列，具體分解結(jié)果見圖4。

圖4中IMF波動頻率依次遞減。其中，IMF1—10的波動性規(guī)律并不顯著，而結(jié)合氣象知識可以看出，溫度與負(fù)荷在IMF11中體現(xiàn)出了年度分量特征，前者表現(xiàn)為“一峰一谷”的溫度年變化特性；后者則表現(xiàn)為“冬夏2峰，春秋2谷”的負(fù)荷年波動特性。

3.1.2 IMF的周期性分析

基于過零法計(jì)算各IMF的平均周期值，結(jié)果如表1所示。

分別對每組IMF的平均周期求均值，按照IMF排序順序，IMF周期的近似值依次包括1/8 d，1/4 d，1/2 d，1 天，2 d，4 d，1 周，1/2 月，1 月，2月。由表1可以看出，在不同時間尺度IMF對比中，IMF1—9的平均周期都相對接近，IMF10—11和余項(xiàng)則不同，這可能是由于低頻IMF循環(huán)次數(shù)有限導(dǎo)致的，這些分量通常代表緩慢變化的氣候分量，其周期性往往在時間跨度更大的數(shù)據(jù)集中更容易顯現(xiàn)。

表1 溫度和負(fù)荷IMF時間序列的周期性Table 1 Periodicity of temperature and load IMFs time series

3.1.3 IMF靜態(tài)相關(guān)性分析

為了驗(yàn)證時間序列之間的相關(guān)性，我們還對2個序列的不同IMF進(jìn)行了互相關(guān)分析，結(jié)果見表2。鑒于相關(guān)系數(shù)小于0.1時相關(guān)性較弱，故對計(jì)算結(jié)果保留至一位小數(shù)。

由表2發(fā)現(xiàn)，不同尺度下的序列之間聯(lián)系并非恒定的，相關(guān)程度也不盡相同。對應(yīng)的IMFs在某些尺度下（IMF3—4、IMF10—11）呈正相關(guān)，而在其他尺度上呈負(fù)相關(guān)。通過計(jì)算可得，原始時間序列的總體相關(guān)系數(shù)僅為?0.139，屬于弱負(fù)相關(guān)，這可能是由于不同尺度上的正、負(fù)相關(guān)被相互抵消導(dǎo)致的。為了進(jìn)一步分析各模態(tài)之間的關(guān)聯(lián)性，將各IMFs和殘差繪制于相同坐標(biāo)系進(jìn)行對比分析，如圖5所示。

表2 不同IMF溫度和負(fù)荷時間序列的互相關(guān)系數(shù)Table 2 Cross-correlation between IMFs of temperature and load time series

由圖5可以清楚地看到，在多個時間尺度下的若干時間段內(nèi)，序列的演變過程具有規(guī)律性，如IMF8和IMF9的0~2000以及7500~8760 h段存在明顯的負(fù)相關(guān)關(guān)系，而在短時間尺度下很難發(fā)現(xiàn)類似的規(guī)律。這一現(xiàn)象足以說明局部時間段相關(guān)性分析的必要性，局部相關(guān)性分析可以挖掘出獨(dú)特的規(guī)律。

3.1.4 不同尺度下的TDIC分析

因此我們采用TDIC法來分析其在局部時間范圍內(nèi)的動態(tài)關(guān)聯(lián)變化，結(jié)果如圖6所示。

基于TDIC法對每對IMF進(jìn)行動態(tài)相關(guān)性計(jì)算。圖6中，黃色表示正相關(guān)，藍(lán)色表示負(fù)相關(guān)，相關(guān)程度與顏色深度成正比。圖中空白區(qū)域是未通過置信度為95%的t檢驗(yàn)部分，不具有顯著的統(tǒng)計(jì)意義。

TDIC圖顯示了不同時間尺度下環(huán)境溫度與負(fù)荷功率之間的相關(guān)性變化。在某些低階模態(tài)(IMF1和IMF2)中，僅在極小的時間范圍顯示出相對顯著的相關(guān)性，但這種相關(guān)性變化非常頻繁，正、負(fù)相關(guān)性隨時間變化快速交替出現(xiàn)，呈現(xiàn)出很強(qiáng)的動態(tài)特性。而在高階模態(tài)（IMF3—IMF8）中，除了正負(fù)交替的相關(guān)性演變外，序列間還明顯存在長期的正、負(fù)相關(guān)關(guān)系，相關(guān)性相對穩(wěn)定。其中，除IMF4以外，模態(tài)相關(guān)性在春、冬季表現(xiàn)為負(fù)，在夏季表現(xiàn)為正，在春夏、夏秋交接之際表現(xiàn)為正負(fù)交替。結(jié)合模態(tài)的周期特性，一定程度上反映了溫度和負(fù)荷之間在不同時間尺度的關(guān)聯(lián)。而對于IMF9—10，序列間關(guān)聯(lián)以負(fù)相關(guān)為主導(dǎo)。高頻信號到低頻信號的對比分析表明：隨著信號頻率降低，相關(guān)性的動態(tài)變化逐步減弱，階數(shù)高的模態(tài)所展現(xiàn)出的關(guān)聯(lián)性更加明顯，充分體現(xiàn)了溫度和負(fù)荷關(guān)聯(lián)的周期性規(guī)律。

3.2 溫度敏感性負(fù)荷分量的提取與分析

3.2.1 溫度敏感性負(fù)荷分量的提取

根據(jù)3.1.4節(jié)TDIC圖的分析結(jié)果可知，負(fù)荷分解結(jié)果中僅有部分分量與溫度具有強(qiáng)烈的聯(lián)系，本文將這部分負(fù)荷定義為溫度敏感性負(fù)荷分量?；谑?6)計(jì)算加權(quán)動態(tài)相關(guān)性，用于確定并提取模態(tài)中的溫度敏感性負(fù)荷分量，計(jì)算結(jié)果如表3所示。

表3 各IMF的加權(quán)動態(tài)相關(guān)系數(shù)Table 3 Weighted dynamic correlation coefficients of IMFs

選取其中相關(guān)系數(shù)大于0.08的IMF，視作溫度敏感性負(fù)荷波動分量并進(jìn)行分量重構(gòu)。由于圖6中IMF4相關(guān)性分布情況與其他模態(tài)不同，故不參與分量重構(gòu)。分量重構(gòu)后的結(jié)果經(jīng)歸一化后，如圖7所示。

圖7中重構(gòu)后的負(fù)荷受季節(jié)影響明顯，接下來通過對季節(jié)進(jìn)行劃分，分析重構(gòu)分量的季節(jié)特性，以驗(yàn)證所提取溫度敏感性負(fù)荷分量的準(zhǔn)確性?？紤]到春秋季交替時，溫度與負(fù)荷相關(guān)性變化復(fù)雜，存在正負(fù)交替出現(xiàn)的現(xiàn)象，因此基于式(7)計(jì)算加權(quán)相關(guān)性，當(dāng)計(jì)算結(jié)果偏向于0時，可視為春秋季交替時期；結(jié)果分別偏向于1或?1時，可視為夏季或冬季。根據(jù)計(jì)算結(jié)果，季節(jié)劃分結(jié)果如圖8所示。

圖8所示結(jié)果充分反映了負(fù)荷波動分量的季節(jié)周期性。由此可以認(rèn)為，我們提取的負(fù)荷波動分量與環(huán)境溫度變化耦合性極強(qiáng)。

3.2.2 溫控負(fù)荷占比估計(jì)

方差貢獻(xiàn)率通常用來表征各信號成分的相對重要程度，通過計(jì)算該部分波動分量的方差貢獻(xiàn)率，我們可以得知其對于整體信號變化的影響程度，從而估計(jì)負(fù)荷分量在總負(fù)荷中所占比例，計(jì)算結(jié)果如圖9所示。

圖9中橫軸括號內(nèi)數(shù)字標(biāo)注為重構(gòu)前的模態(tài)標(biāo)號。根據(jù)方差貢獻(xiàn)率可知，重構(gòu)后的疊加分量，即溫度敏感性負(fù)荷分量所貢獻(xiàn)的波動值占總負(fù)荷波動的43.25%，可以認(rèn)為該值即為該段時期內(nèi)總負(fù)荷中平均溫控負(fù)荷所占比例，這與數(shù)據(jù)調(diào)研結(jié)果[17]相接近，因此可以證明所提方法的有效性。

4 結(jié)論

本文基于ICEEMDAN-TDIC動態(tài)相關(guān)性研究框架，分析了溫度與負(fù)荷分量在不同時間尺度下的相關(guān)性演變規(guī)律與特性；提取出負(fù)荷曲線中的溫度敏感性負(fù)荷波動分量，并通過季節(jié)劃分和分析，驗(yàn)證了所提取分量的溫度敏感特性，最后根據(jù)波動分量的方差貢獻(xiàn)率估計(jì)了總負(fù)荷中溫控負(fù)荷的占比。利用本文所提方法，可以實(shí)現(xiàn)對負(fù)荷的多時間尺度分解，有助于深層次挖掘負(fù)荷序列的異構(gòu)特征，通過提取溫控負(fù)荷分量并研究其波動特性，可以優(yōu)化電網(wǎng)資源調(diào)度，從而提升需求側(cè)資源的利用能力。