基于用戶用電行為建模和參數(shù)辨識的需求響應應用研究.pdf

1、需求響應能夠實現(xiàn)供電側與用電側的有效資源互動，提高系統(tǒng)運行效率和可靠性。有效利用需求側資源與傳統(tǒng)的單一增加調峰電源或加強電網建設的做法相比，可以極大減輕基礎設施的投資壓力。目前基于激勵的需求響應項目大多針對工業(yè)用戶實施，而居民、商業(yè)和辦公等用戶雖然單體容量小但數(shù)量龐大、分布廣泛，具有很大的需求響應潛力，且更適合開展基于電價的需求響應項目。因此在智能用電環(huán)境下，開展用戶用電行為分析，是需求響應應用的基礎性工作。
　　本文從單個用戶的

2、用電情況監(jiān)測出發(fā)，搭建多維度負荷分類體系，根據典型用電負荷分類，對單個用戶的用電負荷進行分解，并對多個用戶進行用電行為分析，形成了具備不同價格敏感度的用戶聚類。針對已得到的聚合用戶，構建實時市場環(huán)境，實現(xiàn)對聚合用戶的電價調度。
　　首先，分析了用戶參與需求響應的必要性和可行性，概述了目前需求響應在國內外的發(fā)展應用現(xiàn)狀，并從電價調度、用電行為分析和模型參數(shù)辨識三個方面總結了學術界的研究現(xiàn)狀，為本文的后續(xù)研究奠定了基礎。
　　其

3、次，對于單個用戶，針對目前常用負荷分解方法存在的不足，綜合考慮用戶常用設備的用途和特性，提出了多維度負荷分類體系，分別從功能維度、時間維度和功率維度進行設備分類，并基于模糊隸屬度函數(shù)構建用戶負荷分解模型，以模糊隸屬度表征負荷分解結果的可信度，實現(xiàn)用戶用電負荷的分解，為需求響應項目的潛力分析提供基礎。
　　然后，對于多個用戶，基于改進K-Means聚類算法，在峰谷電價環(huán)境下，選取峰谷平各時段的用電量占比和負荷率作為用戶的用電特征量，

4、構建用電行為聚類模型，對用戶用電行為進行聚類分析，并針對價格轉換點前后的用戶用電量變化情況，提出了用戶價格敏感度的計算方法，構建用戶篩選模型，從而確定適合于價格需求響應的敏感對象。
　　最后，對于聚合用戶，在基于消費者心理學構建的實時市場環(huán)境下，應用支持向量機進行模型參數(shù)辨識，構建需求響應電價的計算模型，并對電價調度誤差和應用場景進行分析。對比通過人工神經網絡和回歸分析方法得到的誤差，提出將這三種參數(shù)辨識法進行加權的組合分析法，構