基于高維統(tǒng)計(jì)學(xué)習(xí)的能源網(wǎng)需求響應(yīng)仿真研究

付一木，鄭志杰，孫東磊，賈倩倩

(國(guó)網(wǎng)山東省電力公司經(jīng)濟(jì)技術(shù)研究院，山東 濟(jì)南 250021)

1 引言

綜合能源系統(tǒng)(Integrated Energy System，IES)由冷、熱、電、氣相關(guān)的多種能源、能量網(wǎng)、儲(chǔ)能設(shè)備和終端用戶組成。在IES 下，各類能源轉(zhuǎn)換設(shè)備如熱電聯(lián)產(chǎn)機(jī)組(Combined Heat and Power，CHP)、電熱鍋爐和燃?xì)忮仩t等使電力、熱力和天然之間緊密耦合，實(shí)現(xiàn)了多能源的互動(dòng)及轉(zhuǎn)換。由電力系統(tǒng)、供熱供冷系統(tǒng)和天然氣系統(tǒng)等構(gòu)成的IES使得能量利用更加高效、環(huán)保和經(jīng)濟(jì)。IES理論和技術(shù)的發(fā)展有助于幫助解決能源安全問(wèn)題，提高社會(huì)效率，促進(jìn)新能源和可再生能源的發(fā)展。

目前，對(duì)于傳統(tǒng)需求響應(yīng)(Demand response，DR)策略的研究已有較多研究成果。文獻(xiàn)[3]以分布式光伏消納最大化作為優(yōu)化目標(biāo)，制定負(fù)荷的需求響應(yīng)方案。文獻(xiàn)[4]通過(guò)對(duì)溫控負(fù)荷進(jìn)行合理的建模，使用戶參與電網(wǎng)調(diào)峰過(guò)程。文獻(xiàn)[5]針對(duì)智慧園區(qū)的集成特性，提出雙層優(yōu)化調(diào)度模型，實(shí)現(xiàn)負(fù)荷主動(dòng)參與系統(tǒng)運(yùn)行。文獻(xiàn)[6]分析了價(jià)格激勵(lì)信號(hào)對(duì)企業(yè)需求響應(yīng)行為的影響。

現(xiàn)有研究雖然通過(guò)不同的優(yōu)化目標(biāo)制定相應(yīng)的需求響應(yīng)方案，但是沒(méi)有考慮天氣因素的不確定性對(duì)高質(zhì)量的DR負(fù)荷——溫控負(fù)荷的影響。天氣因素之間的相關(guān)性使得分布式光伏電源等間歇性分布式能源和熱負(fù)荷之間具有一定的相關(guān)關(guān)系。此外，光照、溫度和風(fēng)速是計(jì)算建筑物供暖負(fù)荷的主要因素，而建筑物供暖系統(tǒng)與分布式光伏電源之間有著復(fù)雜的線性或非線性相關(guān)關(guān)系。因此天氣因素能夠影響IES的響應(yīng)策略，有必要對(duì)其進(jìn)行研究。確定性的潮流(Deterministic Power Flow，DPF)已不適用于具有不確定性的IES分析，概率潮流(Probabilistic Power Flow，PPF)成為IES、電力系統(tǒng)不確定性優(yōu)化的重要依據(jù)。

以往使用蒙特卡羅法、解析法和近似法等數(shù)值模型在高維樣本情況下計(jì)算PPF時(shí)復(fù)雜度較高，耗時(shí)長(zhǎng)?；貧w模型成為解決復(fù)雜系統(tǒng)難以建模、計(jì)算復(fù)雜度高等問(wèn)題的新手段。然而回歸模型在處理高維樣本時(shí)同樣面臨著“維數(shù)災(zāi)難”、“過(guò)擬合”的難題。本文提出了一種基于統(tǒng)計(jì)機(jī)器學(xué)習(xí)方法中的主成分分析法(Principal Component Analysis，PCA)和隨機(jī)響應(yīng)面模型(Stochastic Response Surface Model，SRSM)的PPF快速計(jì)算方法，記為PSRSM(PCA and SRSM，PSRSM)。首先通過(guò)降維方法削減樣本數(shù)據(jù)的維數(shù)，再使用回歸模型將低維數(shù)據(jù)擬合，用于求解分析綜合能源概率潮流，得到準(zhǔn)確的光伏并網(wǎng)電壓、總?cè)細(xì)庀?、熱電?lián)產(chǎn)系統(tǒng)負(fù)荷率的概率特征，最終得出優(yōu)質(zhì)需求響應(yīng)結(jié)果。

綜上，本文提出的基于高維數(shù)據(jù)統(tǒng)計(jì)學(xué)習(xí)的綜合能源系統(tǒng)動(dòng)態(tài)需求響應(yīng)策略研究，包括三部分：首先通過(guò)華東某地真實(shí)歷史天氣仿真出溫度、光照等天氣數(shù)據(jù)；其次將物理建模得到的光伏出力和熱力負(fù)荷高維數(shù)據(jù)作為PSRSM模型的輸入樣本，光伏并網(wǎng)電壓、總天然氣消耗、CHP系統(tǒng)負(fù)荷率的概率特征分別作為響應(yīng)量進(jìn)行擬合；最后分析不同室內(nèi)溫度控制下響應(yīng)量的關(guān)系，綜合考慮經(jīng)濟(jì)性和安全性后制定出響應(yīng)策略。本文后續(xù)章節(jié)安排如下：第二章介紹了考慮天氣不確定性的能源網(wǎng)需求響應(yīng)模型；第三章提出了一種名為PSRSM的PPF快速計(jì)算方法；第四章仿真通過(guò)構(gòu)建的IES實(shí)例驗(yàn)證了所提方法的有效性，并得出經(jīng)濟(jì)性與安全性并存的動(dòng)態(tài)響應(yīng)策略。

2 能源網(wǎng)需求響應(yīng)建模

本章將簡(jiǎn)要介紹用于仿真天氣數(shù)據(jù)樣本和多能概率潮流響應(yīng)量的各個(gè)模型，為仿真數(shù)據(jù)的真實(shí)性提供堅(jiān)實(shí)基礎(chǔ)。

2.1 天氣模型

假設(shè)太陽(yáng)光照輻射的概率分布函數(shù)(Probability Distribution Functions，PDFs)與文獻(xiàn)[10]中的Beta分布相同

(1)

式中是伽馬數(shù)學(xué)函數(shù)，和是其形狀參數(shù)，和分別是當(dāng)前和最大太陽(yáng)輻射值。

假設(shè)室外溫度的PDF為正態(tài)分布

(2)

式中，為室外溫度，和分別是其均值和標(biāo)準(zhǔn)差。

使用Copula函數(shù)表示光照與溫度之間的相關(guān)關(guān)系，二者的邊際累積概率分布(Cumulative Distribution Functions，CDFs)為

=(()，()，)

(3)

式中(·)為累積分布函數(shù)，(·)為一個(gè)函數(shù)的，為線性相關(guān)參數(shù)的矩陣。

2.2 光伏有功功率模型

光伏發(fā)電系統(tǒng)的有功輸出功率模型為

(4)

式中，是標(biāo)準(zhǔn)測(cè)試條件下的電池溫度，為25℃；為光伏板的額定容量；為光伏系統(tǒng)的功率降額因子；是當(dāng)前太陽(yáng)光照強(qiáng)度，是在標(biāo)準(zhǔn)測(cè)試條件下的太陽(yáng)光照強(qiáng)度，單位是；是光伏電池功率的固有溫度系數(shù)。

另外，光伏電池當(dāng)前溫度計(jì)算為

(5)

式中，為室外環(huán)境溫度；為標(biāo)準(zhǔn)測(cè)試條件下的額定電池溫度；是標(biāo)準(zhǔn)測(cè)試條件下的最大功率點(diǎn)效率；為已知常數(shù)。

2.3 熱負(fù)荷模型

本文以華東某地建筑冬季供暖負(fù)荷為例，冬季供暖負(fù)荷主要受溫度的影響。冬季外墻和屋面的供熱負(fù)荷可計(jì)算為

(6)

外窗的熱負(fù)荷可計(jì)算為

(7)

式中，={1，2，3，4}分別代表東窗、南窗、西窗、北窗；為窗戶的傳熱系數(shù)；為窗戶面積。

冬季新風(fēng)采暖負(fù)荷可計(jì)算為

=(-)

(8)

式中，為一人新鮮空氣的體積；為人數(shù)；為空氣的密度；為供暖季新鮮空氣的定壓比熱容；表示當(dāng)前室內(nèi)溫度。

因此總的供暖熱力負(fù)荷為

=++

(9)

從上述公式可以看出，光伏發(fā)電的有功功率與太陽(yáng)光照強(qiáng)度具有函數(shù)關(guān)系，供暖熱力負(fù)荷與室外溫度具有函數(shù)關(guān)系，因此可以將天氣的不確定性轉(zhuǎn)移到光伏出力和熱力負(fù)荷中，作為PSRSM模型的原始輸入樣本。

2.4 IES模型

水力模型電力系統(tǒng)模型，與文獻(xiàn)[14]一致，本文不再贅述。與所研究需求響應(yīng)策略密切相關(guān)的IES的熱網(wǎng)、CHP和天然氣網(wǎng)絡(luò)模型描述如下。

首先，熱力網(wǎng)絡(luò)模型描述如下

(10)

式中，表示熱力網(wǎng)絡(luò)的節(jié)點(diǎn)熱功率，為水的比熱容，和分別表示每熱負(fù)荷節(jié)點(diǎn)的供熱溫度和輸出溫度；與分別代表管道末端和初端的溫度，為環(huán)境溫度，是管道的熱傳導(dǎo)系數(shù)，是管道的長(zhǎng)度；、和、分別是流入和流出管道中睡得流量和溫度。

其次，燃?xì)廨啓C(jī)驅(qū)動(dòng)的模型中電功率、熱功率的關(guān)系為

(11)

的耗氣量可由式(12)求得

(12)

式中，為機(jī)組的熱電比例系數(shù)；與所發(fā)出的電功率有關(guān)，本文假設(shè)其為常數(shù)。

帶壓縮機(jī)的天然氣管道的穩(wěn)態(tài)流量可以用式(13)計(jì)算

(13)

圖1 含燃?xì)廨啓C(jī)驅(qū)動(dòng)的壓縮機(jī)的管道

由燃?xì)廨啓C(jī)驅(qū)動(dòng)壓縮機(jī)的管道模型如圖1所示，，分別為流過(guò)壓縮機(jī)的流量和出口管道的流量，為壓縮機(jī)消耗的天然氣量，為壓縮機(jī)入口管道的流量。數(shù)學(xué)表達(dá)式可以描述為

(14)

式中，為壓縮比；、為入口管道和出口管道的管道常數(shù)；、、、為圖1 中4 個(gè)節(jié)點(diǎn)的壓力；為天然氣熱值；為天然氣溫度；為多變指數(shù)。

3 需求響應(yīng)策略

本章介紹了制定需求響應(yīng)策略的具體過(guò)程和影響因素，并在策略調(diào)整的計(jì)算環(huán)節(jié)提出了一種名為PSRSM的PPF快速計(jì)算方法，使用第二章中生成的光伏出力與熱力負(fù)荷樣本作為輸入樣本，多能概率潮流作為輸出響應(yīng)量，進(jìn)行回歸擬合后得到多個(gè)多能概率潮流的概率特征值，為制定需求響應(yīng)策略提供輔助決策信息。

3.1 PSRSM方法

本小節(jié)提出了一種名為PSRSM的PPF快速計(jì)算方法，用于策略調(diào)整的計(jì)算環(huán)節(jié)，具體過(guò)程如圖2所示。

圖2 PSRSM方法流程圖

3.1.1 PCA降維削減

高維輸入樣本會(huì)增加回歸模型的計(jì)算復(fù)雜度，產(chǎn)生模型過(guò)擬合問(wèn)題。因此需要對(duì)輸入樣本進(jìn)行降維削減。PCA是一種基于最大方差理論的典型線性降維方法，從線性代數(shù)的角度分析，其意義在于使用另一組基來(lái)重新描述得到的數(shù)據(jù)空間。具體步驟如下：

步驟一：對(duì)原始輸入樣本矩陣進(jìn)行去中心化處理；

步驟二：求取去中心化后樣本矩陣的協(xié)方差矩陣，并求取特征值和其對(duì)應(yīng)的特征向量；

步驟三：將特征值由大到小排列，根據(jù)方差貢獻(xiàn)率特征值；

步驟四：被選特征值所對(duì)應(yīng)的特征向量即為降維后的低維樣本矩陣；

PCA通過(guò)向量與矩陣運(yùn)算將樣本投影至低維空間中實(shí)現(xiàn)降維，計(jì)算過(guò)程不涉及尋優(yōu)。原始特征集中有共同特點(diǎn)的特征會(huì)被投影到同一主軸方向，代表一個(gè)低維維度。

3.1.2 SRSM回歸擬合

SRSM是一種基于Hermite多項(xiàng)式的顯式多項(xiàng)式混沌展開(kāi)

(15)

式中，，，和是標(biāo)準(zhǔn)正態(tài)分布變量；為響應(yīng)向量，表示狀態(tài)變量；(·)表示階的多維埃爾米特多項(xiàng)式；是一個(gè)未知的確定性系數(shù)，需要估計(jì)。式(15)的逼近精度取決于多項(xiàng)式的階數(shù)，待定系數(shù)的個(gè)數(shù)為

(16)

樣本容量為

=2×

(17)

通過(guò)最小化殘差的合適范數(shù)來(lái)確定多項(xiàng)式混沌展開(kāi)中的未知系數(shù)，并利用最小二乘法構(gòu)造曲面。需要注意的是，輸入變量的樣本個(gè)數(shù)是待定系數(shù)個(gè)數(shù)的兩倍。

313 基于PSRSM的PPF快速計(jì)算方法

本文在需求響應(yīng)的策略調(diào)整的計(jì)算環(huán)節(jié)提出了一種名為PSRSM的PPF快速計(jì)算方法，首先通過(guò)PCA降維算法對(duì)數(shù)據(jù)進(jìn)行維數(shù)削減，再通過(guò)統(tǒng)計(jì)機(jī)器學(xué)習(xí)的SRSM方法進(jìn)行PPF快速計(jì)算。

在本文中，進(jìn)行降維處理的是仿真生成的光伏出力與熱力負(fù)荷組成的原始輸入樣本，其中式(15)的輸入樣本，，和表示將原始輸入樣本經(jīng)過(guò)降維削減和標(biāo)準(zhǔn)正態(tài)化處理后獲得的低維樣本；輸入變量的樣本個(gè)數(shù)為

=

(18)

其對(duì)應(yīng)的輸出響應(yīng)向量是通過(guò)IES模型計(jì)算得到的各個(gè)多能概率潮流。當(dāng)輸入規(guī)模遠(yuǎn)遠(yuǎn)小于實(shí)際場(chǎng)景數(shù)量時(shí)，很明顯可以提高PPF的計(jì)算速度。

本文引入二階SRSM來(lái)估計(jì)PPF，利用該方法可以計(jì)算響應(yīng)向量的數(shù)字特性

()=

(19)

(20)

其中E(·)是SRSM的數(shù)學(xué)期望函數(shù)，V(·)是SRSM的方差函數(shù)。通過(guò)計(jì)算系數(shù)，不僅可以得到概率數(shù)字特征，而且可以用式(15)得到與一組輸入向量相對(duì)應(yīng)的響應(yīng)變量。

本文提出的PSRSM方法使用PCA減少樣本維數(shù)，使用SRSM來(lái)減少場(chǎng)景數(shù)量，即樣本個(gè)數(shù)來(lái)減小DPF的計(jì)算復(fù)雜度，其目的是減少PPF時(shí)間成本。

由式(15)可知，維數(shù)越高，公式中的項(xiàng)數(shù)越多，計(jì)算過(guò)程就越復(fù)雜。但是需要注意的是，根據(jù)式(16)，考慮到降維和SRSM的時(shí)間代價(jià)，使用SRSM計(jì)算PPF的前提是SRSM系數(shù)的數(shù)量小于原始樣本量的一半。

SRSM的作用是準(zhǔn)確快速計(jì)算出不同室內(nèi)溫度設(shè)置值下的能源系統(tǒng)運(yùn)行的概率特征(溫度下降帶來(lái)燃?xì)庀南陆担蔷烤鼓芟陆刀嗌?，多大空間，需要本文方法計(jì)算)，量化結(jié)果為需求響應(yīng)策略制定依據(jù)。

3.2 熱負(fù)荷需求響應(yīng)方法與過(guò)程

熱負(fù)荷是優(yōu)質(zhì)的需求響應(yīng)資源，而室內(nèi)控制溫度是影響供暖熱力負(fù)荷的關(guān)鍵因素。

(21)

總的供暖熱力負(fù)荷更新為

(22)

那么需求響應(yīng)的公式為

(23)

式中，Q表示為達(dá)到設(shè)定的室內(nèi)溫度所需熱負(fù)荷與之前室內(nèi)溫度所需熱負(fù)荷的差值，具體的熱負(fù)荷需求響應(yīng)過(guò)程如圖3所示。

圖3 熱負(fù)荷需求響應(yīng)過(guò)程

圖3中，熱負(fù)荷調(diào)控的原則為，在適宜的溫度范圍內(nèi)，讓整個(gè)綜合能源系統(tǒng)的經(jīng)濟(jì)性和安全性最優(yōu)。其中經(jīng)濟(jì)性體現(xiàn)在天然氣消耗小、發(fā)電負(fù)荷率大；安全性體現(xiàn)在光伏電壓偏差小。

4 實(shí)例仿真

4.1 IES系統(tǒng)構(gòu)建

本文以典型電、熱、氣系統(tǒng)網(wǎng)絡(luò)為研究對(duì)象，如圖4所示。仿真中使用的電力系統(tǒng)、熱力系統(tǒng)和天然氣系統(tǒng)的主要參數(shù)如表1—表3所示。第4、7、8和10節(jié)點(diǎn)為光伏接入點(diǎn)，設(shè)立電網(wǎng)管理站、天然氣管理站和IES管理站保障系統(tǒng)安全運(yùn)行。

圖4 IES結(jié)構(gòu)圖

表1 電力系統(tǒng)主要參數(shù)

表2 熱力系統(tǒng)主要參數(shù)

表3 天然氣系統(tǒng)主要參數(shù)

天然氣管理站調(diào)度天然氣，在不同情況下保證供應(yīng)給工廠的天然氣量。由于GB1、GB2和GB3不存在氣體負(fù)荷，因此輸送到IES的氣體量等于流經(jīng)GB1到GB2的氣體量。電網(wǎng)管理站負(fù)責(zé)保障有功功率流、無(wú)功功率流，以及電站與電網(wǎng)連接點(diǎn)的電壓處于正常水平。為了減少IES對(duì)電力系統(tǒng)的影響，電網(wǎng)，電流和連接點(diǎn)的電壓是固定的，因此IES的隨機(jī)行為對(duì)電網(wǎng)沒(méi)有影響。IES管理站控制12母線的電網(wǎng)、12支路的熱網(wǎng)、7管帶壓縮機(jī)的天然氣網(wǎng)。由于光伏發(fā)電和建筑供暖熱力負(fù)荷是隨機(jī)因素，因此IES管理站必須調(diào)度CHP以確保不同場(chǎng)景下的多重能量平衡。CHP1采用面向電網(wǎng)的操作模式，承擔(dān)固定發(fā)電的任務(wù)，因此場(chǎng)景沒(méi)有不確定性，而CHP 2則采用面向熱量的操作模式。

綜上所述，天然氣系統(tǒng)和CHP 2是具有隨機(jī)特性的調(diào)度對(duì)象，為了工業(yè)系統(tǒng)的安全穩(wěn)定運(yùn)行，應(yīng)該仿真出它們的場(chǎng)景。仿真中使用的天然氣系統(tǒng)和CHP運(yùn)行參數(shù)如表4所示。

表4 天然氣系統(tǒng)和CHP的主要參數(shù)

4.2 天氣場(chǎng)景仿真

溫度和太陽(yáng)輻射強(qiáng)度總是隨二者的聯(lián)合分布和相關(guān)性的變化而變化。不同的天氣相關(guān)性可以表示不同的天氣情景，相關(guān)性的程度不同，天氣情景的類型也不同。在以往的研究中，已經(jīng)發(fā)現(xiàn)Copula函數(shù)可以精確地捕捉到各種天氣相關(guān)性，因此利用Copula函數(shù)可以準(zhǔn)確地仿真溫度和太陽(yáng)輻照度CDF的聯(lián)合分布規(guī)律。本文在考慮天氣因素相關(guān)性的基礎(chǔ)上，根據(jù)1999年1月31日至1999年2月18日的小時(shí)級(jí)真實(shí)數(shù)據(jù)分別仿真了500個(gè)溫度和光照強(qiáng)度的樣本數(shù)據(jù)，其中原始光照樣本服從[1.1158，2.6830]的Beta分布。仿真結(jié)果如圖5和圖6所示。

圖5 500個(gè)溫度樣本

圖6 500個(gè)光照樣本

圖5的溫度在-10℃至8℃之間，符合仿真地區(qū)冬季的溫度。圖6中的光照全部大于0，是因?yàn)楣夥诎滋斐隽Γ庹招∮?的情況沒(méi)有意義的。

光伏出力和供暖熱力負(fù)荷的仿真結(jié)果如圖7和圖8所示。其中圖8的熱功率是設(shè)定室內(nèi)溫度23℃時(shí)得出的結(jié)果。

圖7 光伏出力圖

圖8 熱功率圖

4.3 PPF快速計(jì)算

將500個(gè)樣本的光伏出力和熱力負(fù)荷共15個(gè)維度作為原始輸入樣本，4.1節(jié)中IES計(jì)算出的綜合概率潮流中的光伏電壓作為輸出響應(yīng)量，兩種方法得出的光伏電壓概率特征對(duì)比如圖9所示。其中PCA方法中的閾值設(shè)定為0.95，經(jīng)過(guò)降維后低維維數(shù)為2。

圖9 4個(gè)光伏電壓的概率特征

從各光伏電壓的期望和方差結(jié)果來(lái)看，電壓波動(dòng)較小，較為穩(wěn)定。從圖9中可以看出，經(jīng)過(guò)PCA算法降維處理后的數(shù)據(jù)與真實(shí)值之間擬合曲線的趨勢(shì)大體相同，誤差較小，數(shù)量級(jí)可精確到小數(shù)點(diǎn)后三位。PCA降維的數(shù)學(xué)機(jī)理是矩陣分解，其好處在于運(yùn)算速度快，且在尋求低維結(jié)果的過(guò)程中，優(yōu)化條件較少，公式推導(dǎo)過(guò)程嚴(yán)謹(jǐn)，這就意味著對(duì)數(shù)據(jù)集的轉(zhuǎn)化操作較少，因此結(jié)果偏差較小。此外，利用基于統(tǒng)計(jì)機(jī)器學(xué)習(xí)的SRSM方法進(jìn)行回歸擬合時(shí)，所用樣本數(shù)小于數(shù)值建模方法，因此也減小了計(jì)算量，提高了計(jì)算速度。

4.4 需求響應(yīng)

冬季室內(nèi)人體最佳舒適溫度為19℃～24℃，因此本文探究了在6個(gè)溫度變化下光伏并網(wǎng)電壓、天然氣消耗量和CHP負(fù)荷率的概率特征變化，根據(jù)室內(nèi)設(shè)定溫度的變化實(shí)現(xiàn)熱負(fù)荷的需求響應(yīng)。

圖10 各溫度下總天然氣消耗量

圖10展示了各溫度下的總?cè)細(xì)庀牧?，可以看出溫度的改變也?huì)影響總天然氣消耗量的數(shù)值。圖11展示了各溫度下總天然氣消耗量的概率特征，其期望是線性遞增的，符合仿真系統(tǒng)的天然氣消耗隨熱負(fù)荷的增加而增長(zhǎng)。

圖11 各溫度下總天然氣消耗量的概率特征

圖12和圖13展示了各溫度下光伏并網(wǎng)電壓的概率特征，圖12中的期望在正常狀態(tài)0.95p.u.～1.05p.u.之間。圖13中的光伏電壓3和光伏電壓4的方差相對(duì)來(lái)說(shuō)較大，因此反映出數(shù)值波動(dòng)較大。

圖12 各溫度下光伏電壓的期望

圖13 各溫度下光伏電壓的標(biāo)準(zhǔn)差

從圖14中可以看出，CHP負(fù)荷率隨溫度的升高而增大，增大趨勢(shì)逐漸變緩。

圖14 各溫度下CHP的負(fù)荷率

綜合以上幾個(gè)參數(shù)在不同溫度下的比較，可以認(rèn)為在室內(nèi)設(shè)定溫度為19℃時(shí)能達(dá)到經(jīng)濟(jì)性和舒適性的平衡。

5 結(jié)論

針對(duì)含電、熱、氣的IES系統(tǒng)，本文研究并提出了一種基于統(tǒng)計(jì)機(jī)器學(xué)習(xí)的能源網(wǎng)需求響應(yīng)策略，在對(duì)IES進(jìn)行不確定性分析時(shí)考慮了天氣相關(guān)性對(duì)結(jié)果的影響。還提出了一種名為PSRSM的PPF快速計(jì)算方法，將特征提取方法PCA與回歸模型SRSM相結(jié)合并應(yīng)用到綜合潮流計(jì)算中。為探究室內(nèi)控制溫度對(duì)實(shí)現(xiàn)熱力負(fù)荷需求響應(yīng)的影響，仿真中量化了不同熱力負(fù)荷需求響應(yīng)策略下天然氣系統(tǒng)、CHP運(yùn)行的結(jié)果。根據(jù)仿真結(jié)果，所得結(jié)論如下：

1) 所提出的PCA降維算法與SRSM模型相結(jié)合的PSRSM綜合潮流快速計(jì)算仿真方法與傳統(tǒng)的數(shù)值模型法相比，在保證精度的前提下減小了計(jì)算復(fù)雜度，提高了運(yùn)算速度，證明此仿真方法是有效的。

2) 通過(guò)仿真量化數(shù)據(jù)，綜合考慮室內(nèi)控制溫度對(duì)光伏并網(wǎng)電壓、總天然氣消耗和CHP的影響，發(fā)現(xiàn)仿真制定冬季熱負(fù)荷需求響應(yīng)策略時(shí)，室內(nèi)溫度控制在19℃的效果最好。

3) 提出的需求響應(yīng)仿真模型通過(guò)調(diào)節(jié)不同熱網(wǎng)節(jié)點(diǎn)的熱力負(fù)荷大小，可以滿足居民采暖和電力系統(tǒng)經(jīng)濟(jì)運(yùn)行的雙重要求。