基于曲线匹配的中长期电力负荷分配方法
扫描二维码
随时随地手机看文章
引言
电力负荷分配对于发电企业而言,在制定运行维护计划、电网改造等方面发挥着重要作用。随着电力用户数量的逐渐增加,且用户之间的用电模式各不相同,中长期电力负荷分配受到不同数量级、不同周期以及其他因素的影响而出现了一些问题。现有的电力负荷分配方法大多是在较低的粒度上进行分配,再综合得出分配总量。电力负荷分解可以采用不同的标准,大致分为工业、农业、居民以及商业用电,但这种分配标准的匹配度较低。发电企业的电力负荷分配研究是目前专家学者讨论的重点,本文提出了基于曲线匹配的中长期电力负荷分配方法。
1基于曲线匹配的中长期电力负荷分配方法设计
发电企业在与电力用户签订中长期协议时,其电量和价格已经是双方拟定好的。发电企业需要根据每一个电力用户制定不同的发电计划。因此,在面对不同类型的用户时,分配到每日的中长期合约电量在当前各个阶段中差距较大。在发电设备条件的制约下,发电企业会根据具体情况制定相应的发电计划,但这样会增加发电成本,降低发电企业的经济效益。因此,在对中长期电力负荷进行分配前,要先提取中长期电力负荷分配曲线特征,再利用曲线匹配的方法得出具体的分配电量。
1.1中长期电力负荷分配曲线特征提取
在提取中长期电力负荷分配曲线特征时,要保证特征数据的准确性以及完整性,因此首先需要对获取到的原始特征数据进行预处理。利用滤波技术,去除曲线特征数据中的异常、失真数据,并补齐真实的数据。
中长期电力负荷分配曲线特征的选择方法较多,包括采用欧式距离作为特征分析、采用余弦相似度作为特征分析等。但这两种方法作为特征判据的聚类方法在实际应用中,对海量的特征数据类型的聚类精准度不高。因此,本文选用一种曲线匹配的方法,利用曲线的形态趋势提取电力负荷分配曲线中的特征数据,为后续电力负荷分配量计算提供基础。
曲线匹配的形态中主要分配上升形态、下降形态以及平缓形态,在提取前先对这些形态特征进行模糊化处理,即利用差分算法分配负荷数据。
对类属性特征数据进行分类,并利用上述方法完成对分配曲线特征数据的聚类。在计算过程中,每次的聚类中心都是发生改变的,通过记录每一次类中心以及聚类的效果,找出最适值,再将其与相应的类中心作为初始条件,再次进行聚类,完成对电力负荷分配曲线特征的提取。
1.2基于曲线匹配的电力负荷分配量计算
对于中长期电力负荷分配量的计算,首先根据负荷的变化规律将其划分为趋势项、周期项和随机项。分配量计算的基本思路:首先根据周期性数据特征进行分析,筛选符合周期特征的数据,并将这一部分数据用于之后的周期拟合中:再用线性拟合的方式分析剩余特征数据的方差,根据不同的方差大小,区分高位运行数据和无明显周期数据,再与对应的发电曲线进行匹配。
曲线匹配的匹配度指标为:
式中,W表示两条曲线的匹配度:d表示两条曲线的关联值,利用关联值可以反映出两条曲线的形态相似程度,关联值越大,相似程度越高:丑表示两条曲线的面积重合度,重合度数字越大,重合的面积越多。
将各匹配组合方案与曲线匹配指标进行比对,越接近指标的方案,越符合实际供电要求,从而得出相应的电力负荷分配量。
2对比实验
为了验证本文提出的基于曲线匹配的中长期电力负荷分配方法具有更高的应用价值,将其与传统分配方法进行对比实验。
2.1实验准备
首选选取对比实验的相关基础数据,随机选择几个不同行业的中长期用电企业,包括5个商业区、1个纺织企业、1个钢铁企业、3个中央商务区域,共10种不同类型的用电负荷,保证10种不同类型的负荷均包含两个调度目标,再利用本文上述电力负荷分配曲线特征提取方法对数据进行聚类,分别利用传统方法和本文方法对电力负荷进行分配。设置本文分配方法为实验组,传统分配方法为对照组,为了使实验结果具有一定的可靠性,在保证其他干扰因素均相同的情况下,完成对比实验。
2.2实验结果及分析
通过上述实验准备,完成对比实验,并记录实验过程中产生的数据,利用上文提出的匹配度公式,计算出实验组与对照组对10种不同类型的中长期用电企业提供的电力负荷分配方案的匹配度,表1为实验组与对照组的实验结果对比。
根据表1结果可知,实验组对不同类型的中长期用电企业提供的电力负荷分配方案相较于对照组具有更高的匹配度。因此,本文提出的匹配方法更适用于实际的电力负荷分配中,并能够在一定程度上减少电力资源的消耗,节约发电企业的供电成本。
3结语
本文提出的基于曲线匹配的中长期电力负荷分配方法,根据不同类型用电企业的负荷曲线特征对负荷进行分析,使其具有更强的规律性,从而有效提高了电力负荷分配的匹配度。后续我们还将深入研究中长期电力负荷的预测方法,找出更可靠、更稳定的负荷预测方法,以满足发电企业的配电需求。