基于拉丁超立方抽样和场景消减的居民用户基线负荷估计方法

摘要：

作为需求响应的重要形式,激励型需求响应(incentive based demand response,IBDR)对提升电力系统运行的灵活性具有重要作用.用户基线负荷(customer baseline load,CBL)是计算IBDR参与者经济补偿的依据,其估计准确性会直接影响项目参与者和提供者的利益.在现有CBL估计方法中,对照组法通过不参与需求响应(demand response,DR)项目的用户的实际负荷来估计DR参与者的CBL,相比于其他方法通常估计精度更高.然而当对照组用户数量不足够多时,该方法的估计精度将会急剧下降、甚至完全失效.为解决这一问题,该文提出一种基于拉丁超立方抽样和场景消减的居民用户CBL估计方法.首先基于拉丁超立方抽样和场景消减,生成每个时段的代表性负荷场景,再通过迭代消减融合将单时段场景连接形成日负荷曲线场景,以此增加对照组样本多样性.以伦敦居民用户实测负荷数据为例,验证了该文所提方法具有可行性.

关键词：激励型需求响应、用户基线负荷、对照组、拉丁超立方抽样

所属期刊栏目：46

分类号：TM721(输配电工程、电力网及电力系统)

资助基金：国家重点研发计划;国家电网有限公司总部科技项目

在线出版日期：2022-06-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：2298-2307